ENVI遥感数字图像处理方法(一)

VIPENVI遥感数字图像处理方法(一)
文章目录1.查看图像的空间分布特征(一)生成灰度图像(二)生成假彩色图像(三)连接不同视图的影像2.查看图像的像元灰度值3.统计并查看图像直方图1.查看图像的空间分布特征在打开一幅遥感影像时,有两个文件,我们要选择数据文件来打开。打开过后,点击Data Manager,查看该影像的波段该影像共有6个波段(一)生成灰度图像步骤如下:(二)生成假彩色图像先生成一个一般的假彩色图像:再生成一个标准假彩色图像,将其存放在一个新的视图中:标准假彩色图像波段构成为:近红外、红光波段、绿
开通可读全文 ·5.2w 人阅读
最低0.47元/天 解锁文章

文章目录

1.查看图像的空间分布特征

在打开一幅遥感影像时,有两个文件,我们要选择数据文件来打开。
在这里插入图片描述
打开过后,点击Data Manager,查看该影像的波段
在这里插入图片描述
该影像共有6个波段
在这里插入图片描述

(一)生成灰度图像

步骤如下:
在这里插入图片描述

(二)生成假彩色图像

先生成一个一般的假彩色图像:
在这里插入图片描述
在这里插入图片描述
再生成一个标准假彩色图像,将其存放在一个新的视图中:
在这里插入图片描述
标准假彩色图像波段构成为:近红外、红光波段、绿光波段
在这里插入图片描述
最后介绍一下真彩色图像,就是红、绿、蓝
在这里插入图片描述
彩色图像建好后移除其他不需要的遥感影像
在这里插入图片描述

(三)连接不同视图的影像

在这里插入图片描述
连接好后,在拖动其中一个视图里的图像时,另一个视图的图像也会同步移动
然后我们发现,同一地物在不同彩色影像中的颜色不同。比如植被在标准假彩色图像中是红色,在一般的假彩色图像中是绿色。
在这里插入图片描述
在这里插入图片描述

2.查看图像的像元灰度值

将其他视图和影像都移除,只留下真彩色图像
在这里插入图片描述
点击上方的这个图标
在这里插入图片描述
点击后弹出窗口和一个十字准星,鼠标拖动准星可以移动
在这里插入图片描述
窗口上显示的是当前准星对准的像元点的行列号和灰度值
在这里插入图片描述
在这里插入图片描述

3.统计并查看图像直方图

同样先查看该影像的所有波段,然后右键选择快速统计
在这里插入图片描述
选择Band1,即红光波段
横坐标是像元灰度值,纵坐标为该灰度值对应的像元个数
在这里插入图片描述
Band2和Band3分别是绿光和蓝光波段,可以再次点击将其调出来
在这里插入图片描述
在这里插入图片描述

4.计算NDVI

(一)采用波段运算器计算NDVI

归一化植被指数NDVI的范围一般在-1~1之间,且多为小数。经推导得到NDVI的运算公式如下:
N D V I = ( f l o a t ( b 1 ) − b 2 ) / ( 0.0001 + b 1 + b 2 ) NDVI= (float(b1)-b2)/(0.0001+b1+b2) NDVI=(float(b1)−b2)/(0.0001+b1+b2)
b1表示近红外波段,b2表示红光波段

操作流程如下:
在这里插入图片描述

VIP ENVI掩膜相关操作步骤详述 ENVI掩膜相关操作步骤详述 以某一景光谱数据为例,影像中存在着大量的云,影响后续研究,现需要对研究区域进行掩膜,即仅对裸地进行后续处理,云覆盖区不参与运算。 一、打开数据 打开数据,并对第一波段进行高端阈值切割,由于此处数据量较大,为降低运算量,同时便于查看,先对云进行掩膜,再取反。 由上图可看出,对于遥感小白来说,基本的阈值分割+掩膜技术已经能够满足基本的去云处理。 二、建立掩膜文件 1.先将上述的阈值分割结果导出至shp文件 2.建立掩膜 在工具栏中找到ENVI Classic->B 开通可读全文·4w 阅读·71 点赞·414 收藏 阅读全文

相关推荐

ENVI遥感数字图像处理之空间域处理方法实践——以提取武汉市NDVI和计算植被覆盖度FVC为例

2、输入公式:(b1 lt -0.048644)*0+(b1 gt 0.418479)*1+(b1 ge -0.048644 and b1 le 0.418479)*((b1+0.048644)/(0.418479+0.048644)) 并设置输出路径;公式:(b1 lt -1)*(-1)+(b1 gt 1)*1+(b1 ge -1 and b1 le 1)*b1。3、选择保存路径并检验NDVI结果,随机选取影像中水域的地方,可以看到数据值为负,结果较为准确;6、然后按分类标准进行分类。

weixin_73805919的博客 5099

遥感数字图像处理思考题摘选(自用仅供参考)

遥感数字图像处理是以物理学、地学、数学和计算机等知识为基础,对遥感数字图像进行的操作和分析。其核心是是处理方法的原理、方法的联系、解决问题的工作流和数据流。遥感数字图像处理的内容包括:(1)图像增强:使用多种处理方法压抑、去除噪声,增强或者突出显示信息。方法包括彩色合成、图像显示拉伸、波段运算、平滑、锐化等(2)图像校正:对传感器、环境造成的图像失真进行校正(3)信息提取,根据图像的三种图像特征,进行特征提取和特征选择。它与数字图像处理的区别在于:

2301_76892397的博客 1159

【ENVI】遥感数字图像处理-图像分类课程设计报告

4.1.1 图像校正 地理空间数据云下载的0云量数据已经进行过了图像大气校正,辐射校正,几何校正,不需要进一步预处理。 4.1.2 波段合成 点击“Basic Tools”—“Layer Stacking”,这时就打开了波段合成窗口,然后点击“Import file”,打开波段输入窗口。我们从中可以选择输入波段。完成波段顺序调整后,就可以直接点击“OK”,这样就会生成一个新合成的波段图像(选取波段1,2,3,4,5,7)。 正在上传…取消 图4.1 合成波段1,2,3,4,5,7图像 正在上传…取

雾狼的游戏屋 3515

ENVI入门系列教程---一、数据预处理---1.1基本操作--5.x以后的界面(新界面)

every blog every motto: You never know how strong you really are until being strong is the only choice you have。 0. 前言 本系列教程旨在系统学习并梳理ENVI。说来惭愧,作为一名GISer,对ENVI这类软件还不能熟练掌握,这也是本系列教程的初衷。种一棵树最好的时间是十年以前,其次是...

胡侃有料的博客 1万+

ENVI实战—一文搞定监督分类

值得注意的是,由于本次用于监督分类的样本仅包含4类地物,因此最终的分类结果中,会存在错分的现象,且由于建筑和道路难以区分,二者无论是从建筑用材还是从空间距离上都具有高度的相似性,以后进行分类时,可以尝试将二者统一,另外,将地物类别扩充,如增加农田,山体等,提高分类与实际影像的匹配程度。依据上述过程对三种方法的结果进行一一对应,得到三种分类的精度评估结果。图1展示了最大似然法下影像的分类结果,对比原图像,整体的分类效果还是较好的,在颜色的显示上,最大似然法最后显示的颜色相对明亮,对地物的区分度高。

Promising_GEO的博客 4454

保姆级教程:用CH34xSerCfg工具修改USB转串口芯片的VID/PID,避免驱动冲突

本文详细介绍了如何使用CH34xSerCfg工具修改USB转串口芯片的VID/PID,解决驱动冲突问题。通过实战案例和配置技巧,帮助开发者高效管理嵌入式设备,避免常见的USB设备识别问题,提升开发效率。

weixin_30924239的博客 229

基于RK3588与Gstreamer的端侧实时视频流AI推理系统构建

本文详细介绍了基于RK3588芯片与Gstreamer框架构建端侧实时视频流AI推理系统的完整方案。通过硬件选型、环境配置、OpenCV编译优化、视频流处理实战及模型部署等关键环节的深入解析,展示了如何利用RK3588的6TOPS NPU算力与Gstreamer的低延迟特性,实现工业质检、智能交通等场景下的高效边缘计算。特别针对RTSP推拉流优化、RKNN模型转换等核心技术难点提供了实用解决方案。

weixin_30516243的博客 387

黑苹果从入门到精通:最详细的VMware安装macOS教程

前言 不知为何,以前我发的两篇关于黑苹果的文章或没过审或被删除,最近SMZDM上有不少优质的黑苹果文章发出来,貌似禁令已开,前段时间在一篇写的很不错的黑果文章下吹牛说今年要写一个系列,故有了这篇文章作为系列的开头。 系列的名字起的有点俗,叫做xxx从入门到精通,但是我很喜欢,相信过半的黑果群众都是程序员,作为教程来说这个名字俗但是好用,我也希望这个系列能像其它入门到精通系列一样,让大家学到东西...

La victoria的博客 14万+

N5105核显直通PVE:从黑屏到HDMI输出的完整指南

PCI直通能让虚拟机独占物理设备,但核显直通远没有独显那么轻松。Intel核显与CPU、显示输出链路的强耦合使UEFI引导、GOP驱动、驱动签名等环节都成了黑屏陷阱。在PVE虚拟化环境中,通过IOMMU开启、vfio-pci绑定、OVMF固件和Q35机型配合,可以绕过KVM检测,让Windows虚拟机正确驱动核显,从HDMI口输出画面,并解锁Intel Quick Sync硬解能力。这种方案尤其适合N5105等低功耗迷你主机,可作为客厅HTPC、本地视频硬解或依赖硬件加速的轻量工作台。本文基于N5105平台

weixin_31082403的博客 386

Python连接StarRocks全流程实践: SQL文件调用与Pandas混合优化

通过这种分阶段混合计算, 既能发挥StarRocks处理海量数据的性能优势, 又能保留Pandas在内存计算中的灵活性, 实现效率与功能的完美平衡.结合SQL的高效聚合与Pandas的灵活计算, 实现查询和数据处理的深度融合.该库基于SQLAlchemy 2.x开发, 仅支持Python 3.x环境.对大批量数据的写入, 建议进行分块. 分块写入较单条插入速度会有显著提升.这样可以避免python代码的查询与SQL耦合, 支持版本化管理.将DDL, DML分离为独立文件, 例如。: 调整连接复用参数。

t.y.Tang的博客 2784

9、自动定理证明的发展历程与关键技术

本文全面介绍了自动定理证明的发展历程、关键技术及其实际应用,包括消解原理、参数化、支撑集策略等核心方法,并探讨了算法优化、数据结构优化及并行计算等提升效率的手段。同时,文章展望了未来发展方向,如深度学习在定理证明中的应用、交互式定理证明以及高阶逻辑的研究前景。

ll5678的博客 511

网络流量异常信息分析方法研究

本课题针对网络安全中网络流量异常的分析方法进行研究,提出一种基于机器学习和深度学习的异常检测算法。该算法采用卷积神经网络(CNN)和长短时记忆神经网络(LSTM)结合的方式,通过训练得到二分类模型,从而实现对网络流量异常的检测。随着互联网的飞速发展,网络攻击事件日益增多,网络安全问题成为了亟待解决的问题之一。常见的网络攻击手段包括 DDoS 攻击、SQL 注入、XSS 攻击等,这些攻击手段可能导致网络系统发生异常,给网络运维、数据安全带来极大的挑战。

肥晨开发的学习之路 1038

基于深度学习的目标检测在 Android 端的优化实现:YOLO Mobile × NPU 加速实战教程

随着国产手机芯片日益强大,终端侧的目标检测任务已经具备实用性基础。本文围绕实际工程场景,详细讲解如何在 Android 应用中部署轻量级目标检测模型(如 YOLO Mobile、EfficientDet Lite),并结合国产手机 NPU 能力,实现高性能、低延迟、实时目标检测系统。文章将涵盖从模型选择、结构优化、量化转换到 Android 上推理加速、UI 实时渲染的全链路工程路径,强调每一环节的真实可复现性与部署细节,适合 AI 工程师、移动开发者及企业级应用落地团队参考使用。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1412

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

上一篇: ArcGIS Desktop操作方法集锦(二)
下一篇: ArcGIS Engine二次开发常用接口及其使用方法(一)
小生姜
博客等级 码龄8年 254粉丝 15原创
评论 11
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址