如何实现对不同数据类型的多/单波段Tiff图像的归一化

最新推荐文章于 2024-07-27 09:25:51 发布
最新推荐文章于 2024-07-27 09:25:51 发布
阅读量1.2k 收藏 1
点赞数 2
分类专栏： 图像处理 文章标签： 计算机视觉 c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HeyLoong/article/details/121723650
版权
本文档展示了一段C++代码，利用GDAL库处理Tiff图像的多/单波段归一化。通过对不同数据类型的图像数据进行读取、计算每个波段的最大值并进行归一化，然后将处理后的数据保存到新的Tiff文件中，同时保持图像的元数据如投影和空间变换参数。
摘要由CSDN通过智能技术生成

归一化是图像数据预处理的常用手段，然而Tiff图像存在多/单波段类型，且数据格式多样化，这为数据处理带来了不少的麻烦。为了便于后期的工作，笔者使用C++语言基于GDAL外部库处理Tiff图像，实现Tiff图像的归一化功能。

直接上代码：

#include "gdal_priv.h"
#include "ogrsf_frmts.h"
#include <iostream>

using namespace alglib;
using namespace std;

//多类型多/单波段归一化
//initialTiff：原始数据存放路径  newTiff：处理后数据存放路径
void normalizedTiff(std::string initialTiff, std::string newTiff)
{
	GDALAllRegister();
	//设置支持中文路径
	CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");

	const char * pszFile = initialTiff.c_str();
	GDALDataset *poDataset = (GDALDataset*)GDALOpen(pszFile, GA_ReadOnly);//使用只读方式打开图像 
	if (!poDataset)
	{
		printf("File: %s不能打开！\n", pszFile);
	}


	//仿射参数
	double padfTransform0[6];
	if (poDataset->GetGeoTransform(padfTransform0) == CE_Failure)
	{
		printf("获取仿射变换参数失败");
	}
	int iImgSizeX0 = poDataset->GetRasterXSize();
	int iImgSizeY0 = poDataset->GetRasterYSize();
	int nCount = poDataset->GetRasterCount(); 	//影像的波段数
	GDALDataType gdal_data_type = poDataset->GetRasterBand(1)->GetRasterDataType();//获取栅格类型
	double dnodata = poDataset->GetRasterBand(1)->GetNoDataValue();//获取空值对应大小
	int *panBandMap = new int[nCount];
	for (int i = 0; i < nCount; i++)
	{
		panBandMap[i] = i + 1;
	}
	switch (gdal_data_type)
	{
	case GDT_Byte:
	{
		unsigned char *pUC_afScanblock1 = new unsigned char[iImgSizeX0*iImgSizeY0 * nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pUC_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j=0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pUC_afScanblock1[i*iImgSizeX0*iImgSizeY0+j] && abs((double)pUC_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pUC_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pUC_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pUC_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pUC_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}

		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i+1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pUC_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pUC_afScanblock1;
		break;
	}

	case GDT_UInt16:
	{
		//unsigned short *pafScanblock1;
		unsigned short *pUS_afScanblock1 = new unsigned short[iImgSizeX0*iImgSizeY0 * nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pUS_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pUS_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] && abs((double)pUS_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pUS_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pUS_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pUS_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pUS_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}
		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i + 1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pUS_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pUS_afScanblock1;
		break;
	}

	case GDT_Int16:
	{
		//	short int *pafScanblock1;
		short int*pSI_afScanblock1 = new short int[iImgSizeX0*iImgSizeY0 * nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pSI_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pSI_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] && abs((double)pSI_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pSI_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pSI_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pSI_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pSI_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}
		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i + 1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pSI_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pSI_afScanblock1;
		break;
	}

	case GDT_UInt32:
	{
		//	unsigned long *pafScanblock1;
		unsigned long*pUL_afScanblock1 = new unsigned long[iImgSizeX0*iImgSizeY0 * nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pUL_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pUL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] && abs((double)pUL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pUL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pUL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pUL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pUL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}
		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i + 1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pUL_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pUL_afScanblock1;
		break;
	}

	case GDT_Int32:
	{
		//	long *pafScanblock1;
		long *pL_afScanblock1 = new long[iImgSizeX0*iImgSizeY0 * nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pL_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] && abs((double)pL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pL_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}
		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i + 1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pL_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pL_afScanblock1;
		break;
	}
	case GDT_Float32:
	{
		float *pF_afScanblock1 = new float[iImgSizeX0*iImgSizeY0 * nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pF_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pF_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] && abs((double)pF_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pF_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pF_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pF_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pF_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}
		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i + 1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pF_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pF_afScanblock1;
		break;
	}
	case GDT_Float64:
	{
		//	double *pafScanblock1;
		double *pD_afScanblock1 = new double[iImgSizeX0*iImgSizeY0 *nCount];
		poDataset->RasterIO(GF_Read, 0, 0, iImgSizeX0, iImgSizeY0, pD_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);
		vector<double>vMax;
		for (int i = 0; i < nCount; i++)
		{
			//获取每个波段最大值
			double dMax = -999999999999999;
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (dMax < (double)pD_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] && abs((double)pD_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata)>0.000001)
				{
					dMax = (double)pD_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j];
				}
			}
			vMax.push_back(dMax);
		}

		for (int i = 0; i < nCount; i++)
		{
			for (int j = 0; j < iImgSizeX0*iImgSizeY0; j++)
			{
				if (abs((double)pD_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] - dnodata) > 0.000001)
				{
					pD_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] = pD_afScanblock1[i*iImgSizeX0*iImgSizeY0 + j] / vMax[i];
				}
			}
		}
		vMax.clear();

		//写入新的tif
		const char* pszDstFilename = newTiff.c_str();
		GDALDriver* poDriver = GetGDALDriverManager()->GetDriverByName("GTiff");
		GDALDataset* poDstDS = poDriver->Create(pszDstFilename, iImgSizeX0, iImgSizeY0, nCount, gdal_data_type, NULL);
		poDstDS->SetProjection(poDataset->GetProjectionRef());//给它设置投影
		poDstDS->SetGeoTransform(padfTransform0);//给设置空间转换的六参数
		for (int i = 0; i < nCount; i++)
		{
			poDstDS->GetRasterBand(i + 1)->SetNoDataValue(dnodata);//将空值设置为“无数据值”
		}
		//保存全波段影像
		poDstDS->RasterIO(GF_Write, 0, 0, iImgSizeX0, iImgSizeY0, pD_afScanblock1, iImgSizeX0, iImgSizeY0, gdal_data_type, nCount, panBandMap, 0, 0, 0);

		//释放内存
		GDALClose(poDstDS);
		GDALClose(poDataset);
		delete[]pD_afScanblock1;
		break;
	}
	default: break;
	}
	delete[]panBandMap;
}
测测爱绘绘
关注
专栏目录
GEE：对多波段影像归一化
养乐多的博客
04-09 604
本文将介绍对一幅多波段影像进行归一化的方法和代码，主要思路是先计算影像中每个波段的最大最小值，根据最大最小值对每个波段进行归一化。以下是具体代码示例，
多波段影像归一化编程
CyberBladeX的博客
09-17 98
在遥感图像处理中，多波段影像归一化是一种常用的预处理技术，用于将不同波段的像素值映射到相同的范围内，以便进行有效的分析和比较。假设我们有一幅4波段影像，每个波段的像素值范围不同。我们的目标是将每个波段的像素值归一化到0到1之间的范围。需要注意的是，这只是一个简单的示例，实际应用中可能需要根据具体需求进行调整和扩展。函数，它接受一个多波段影像作为输入，并返回归一化后的影像。最后，我们打印出归一化后的影像，可以看到每个波段的像素值都被映射到0到1之间的范围内。，其中每个波段的像素值保存在一个3D数组中。
Python归一化tif文件
qq_22472089的博客
06-25 1669
Python归一化tif文件 #!/usr/bin/env python # -*- coding:utf-8 -*- # @Time : 2019/6/25 10:39 # @Author : wangyu # @File : Duo.py # @Software: PyCharm import os import numpy as np from osgeo import gdal import glob import datetime # 读图像文件 def read_img(fi
如何实现对不同数据类型的多/单波段Tiff图像的归一化-2
HeyLoong的博客
01-21 3076
归一化是图像数据预处理的常用手段，然而Tiff图像存在多/单波段类型，且数据格式多样化，这为数据处理带来了不少的麻烦。为了便于后期的工作，笔者使用C++语言基于GDAL外部库处理Tiff图像，实现Tiff图像的归一化功能。 然而，GByte或GDT_Int16等数据类型归一化为原有数据类型后，存在像素值存在只为0或1的现象，不具有研究意义。因此，笔者进一步改良了算法，将转化后的数据统一为GDT_Float32或GDT_Float64，更具实际意义。 效果： [外链图片转存失败,源站可能有防盗这里插入!链机制
ArcGIS中tif栅格或shp矢量数据怎么进行归一化
最新发布
qq_57376018的博客
07-27 370
栅格：遥感影像用arcgis用模糊分类即可。矢量：直接在符号系统里面归一设置就好。注意栅格跟矢量归一化不一样并且二者可以转换。
python图像归一化_Python批量计算遥感图像NDVI（归一化植被指数）
weixin_32389853的博客
02-03 2844
归一化植被指数：遥感影像中，近红外波段的反射值与红光波段的反射值之差比上两者之和。计算公式：NDVI = (NIR-R)/(NIR+R)注：NIR为近红外波段的反射值R为红光波段的反射值。由于学习需要，从网上寻找方法试图批量计算该指数，防止以后忘记。附代码如下：(主要使用gdal库)import osfrom PIL import Imageimport numpy as npfrom osgeo...
支持大部分栅格数据的波段融合，可以将不同栅格数据的任意波段融合到一个栅格文件里，可以选择融合的波段
11-01
标题和描述提到的"支持大部分栅格数据的波段融合"，这意味着该工具或软件可以处理多种类型的栅格数据格式，如TIFF（Tagged Image File Format）、GRID、ERDAS Imagine等，并且允许用户自定义选择要融合的波段。波段...
哨兵2号数据下载与利用Python处理（波段融合、降采样、可视化、裁剪等）全过程详解
littleyy666的博客
06-21 2335
哨兵-2号卫星携带一枚多光谱成像仪(MSI)，高度为786km，可覆盖13个光谱波段，幅宽达290千米。地面分辨率分别为10m、20m和60m、一颗卫星的重访周期为10天，两颗互补，重访周期为5天。从可见光和近红外到短波红外，具有不同的空间分辨率，在光学数据中，哨兵-2号数据是唯一一个在红边范围含有三个波段的数据，这对监测植被健康信息非常有效。13个波段中蓝色 (B2)、绿色 (B3)、红色 (B4) 和近红外 (B8) 波段具有 10 米的分辨率；
遥感图像处理.zip
05-30
例如，NDVI（归一化植被指数）是通过红光和近红外波段组合得出的，用于评估植被覆盖情况。 3. **图像增强**: 图像增强是提高图像视觉质量的技术，包括直方图均衡化、对比度拉伸、锐化等。这些技术能改善图像的亮度...
GDAL读入多波段遥感影像方法以及输出的影像变成了多块的原因
whu_Gcoder_2017的博客
03-22 4517
这几天尝试用GDAL读入多波段遥感影像，代码如下：  GDALAllRegister();  //注册文件格式  CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");  GDALDriver *pDriver;      const char* pInFile = "H:\\Group_code\\testdata\\wh_tif
python实现栅格数据批量归一化
10-17
图像归一化，就是(数值-min)/(max-min)，把结果都划归到0-1范围，便于不同变量之间的比较，取消了不同数量差别。我们利用python的arcpy包对栅格数据批量归一化，而且再保证属性中没有最大值和最小值信息的情况下也能实现归一化计算。
chatgpt赋能python：Python图像归一化处理
axuhsssssco的博客
06-05 321
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
从多波段的TIFF影像中选择三个波段转为JPG格式图片的方法
热门推荐
tuoyakan9097的博客
07-17 1万+
这篇文章的方法适用于tif的像素深度是8位无符号的，如果想了解批量不同像素深度（24位，32位等）TIF图片转JPG格式，请浏览这篇文章 深入探究：TIFF格式的影像如何转jpg （保持色彩不变）   数据：高分二号影像（包含红，绿，蓝，近红外四个波段） 工具：ENVI，ArcGIS 1.在ENVI中打开影像   2.工具中搜索，选择layer stacking 3.点击i...
arcgis合并tif影像_CC（Smart3D）输出Orthophoto（正射影像）和DSM在ArcGIS中拼接TIFF/GeoTIFF文件...
weixin_39984403的博客
12-01 9280
需要明确1、Smart3D要生成Orthophoto和DSM前，必须要有已经生成的三维模型(格式任意)；2、Smart3D基于该模型生成Orthophoto和DSM；3、不论该已生成的模型是否分块，Orthophoto和DSM都是分块的。4、分块的影像可以使用ArcGIS进行拼接(10.3及以上版本)/步骤/一、Smart3D输出Orthophoto(正射影像)和DSM(数字地表模型)1...
Python 根据经纬度批量裁剪TIFF影像 & ENVI 波段合成
qq_44485671的博客
02-21 2396
Python批量裁剪影像，ENVI波段合成。
二十八. geotrellis使用 栅格数据色彩渲染(多波段真彩色)
GIS摆渡人
05-21 928
上一篇文章介绍了如何使用Geotrellis渲染单波段的栅格数据，已然很是头疼，这几天不懈努力之后工作又进了一步，整清楚了如何使用Geotrellis将多个（3个）波段的栅格数据渲染成真彩色，废话不多说，进入正题。 目录 前言 实现过程 总结 一、前言        上一篇文章介绍了如何使用Geotrellis渲染单波段的栅格数据，已然很是头疼，这几天不懈努力之后工作又进了一步，整清楚了如何使...
单波段热图像彩色化处理：基于色彩传递与伪彩色编码
"基于色彩传递的单波段热图像彩色化处理算法" 本文主要探讨了一种基于色彩传递的单波段热图像彩色化处理技术，旨在提高热成像的视觉效果和目标识别能力。该方法特别关注减少长时间观察热图像导致的视觉疲劳问题，并...
评论 2
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