高光谱监督分类

from spectral import *
import matplotlib.pyplot as plt

#读取文件，未加载到内存中，使用索引后再读取索引数据到内存中
data=envi.open(r"20230518123937/20230518123937.hdr",r"20230518123937/20230518123937.os")

#将整个图片数据加载到内存中，默认使用bip格式，即R-行，C-列，B-波段
bip=data.open_memmap()

#截取部分区域，第3001行到3300行和第1列到300列的区域
bip_pixels=bip[3000:3300,0:300,:]

#k近邻聚类，（图片数据，类别数，最大迭代次数）
(m, c) = kmeans(bip_pixels,5, 300000)

#创建监督分类的训练数据集    PS：目前没做标注先用聚类的结果替代
classes = create_training_classes(bip_pixels, m)

#高斯分类器，加载数据后自动进行训练
gmlc = GaussianClassifier(classes)

#使用训练后的分类器进行预测，预测图片波段需跟训练数据集保持一致
clmap = gmlc.classify_image(bip_pixels)

#展示分类结果
v = imshow(classes=clmap)

# #去除背景类后的结果，这里没有设置
# gtresults = clmap * (gt != 0)
# v = imshow(classes=gtresults)

#展示错误分类的部分
gterrors = clmap * (clmap != m)
v = imshow(classes=gterrors)

#查看结果
plt.show()