GEE加载影像时拉伸值设置规则

最新推荐文章于 2024-02-28 11:22:39 发布
最新推荐文章于 2024-02-28 11:22:39 发布
阅读量805 收藏 1
点赞数 1
文章标签： javascript 云计算
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/qq_55444696/article/details/124311995
版权

刚开始学GEE，对于加载影像时的一些参数总是感到很懵逼，不知道它表示的是什么含义，写篇文章记录一下。以下将以对话的方式记录：
在这里插入图片描述

问：我从一些代码上看到加载影像的时候，landsat在0-3000左右。ndwi取的是-0.5到0.5，这个最大值和最小值是怎么确定的？

答：这里最小值和最大值的设置带有一定的随机性，但是有一个简单的原则是根据你的影像数值大致范围。比如你提到的“landsat在0-3000左右”，这里的准确的描述应该是乘以10000以后的Landsat取值。因为影像取值变成了[0,10000],所以设为0-3000；当你计算NDWI时，NDWI的取值变成了[-1,1],所以取值也调整为[-0.5,0,5]，因为此时你还把数值设置为[0,3000]肯定是不合适的

问：这个最大最小值只影响影像显示的对比度和颜色吗？与影像本身的数值无关对吗？比如说NDWI显示时max设定0.5，如果NDWI大于0.5也会显示出来

答：只是按照这个区间来映射颜色显示图像，不改变图像数值。其中大于0.5的按照0.5的数值来显示，其他的同理。相当于运用一次阶梯拉伸

落羽.倾城
关注
GEE：栅格计算（GoogleEarthEngine平台）
养乐多的博客
04-01 1万+
ArcGIS中常用到的栅格计算器公式 https://blog.csdn.net/ccnucb/article/details/81010308 在GEE中怎么对影像进行栅格计算呢？ 我们可以用.where()和.clamp() 具体语法可以参考https://zhuanlan.zhihu.com/p/76343298 这里抽取他的例子。 var DEM = ee.Image("USGS/SRTMGL1_003"); var Land_Cover = ee.Image("ESA/GLOBCOVER_L4_
GEE：计算最大最小值，并根据最大值最小值归一化（影像/影像集合）
养乐多的博客
03-18 1646
本文将介绍如何在GEE平台上进行最大最小值归一化的方法和代码，并针对影像和影像集合做了示例。
GEEMAP 基本操作（一）如何拉伸图像
韩天放
08-20 956
图像拉伸是最基础的图像增强显示处理方法，主要用来改善图像显示的对比度
在GEE上展示影像和显示大小
此星光明博客
07-06 1699
GEE平台最基础的就是可以查看各种已有卫星数据的影像。下面这一小段代码是最基础的影像展示！ // Display an image given its ID. var image = ee.Image('CGIAR/SRTM90_V4'); // Center the Map. Map.setCenter(-110, 40, 5); // Display the image. Map.addLayer(image, {min: 0, max: 3000}, 'SRTM'); 通过ee.image加载
GEE:（一）计算image区域内像素最大最小值
qq_44894692的博客
06-25 1898
使用GEE统计指定区域内像素的最大最小值（如DEM）时，需要使用到GEE中的reducer和reduceRegion函数。
GDAL计算NDWI及水体提取
最新发布
学习历程记录和分享
02-28 484
本文参考NDWI（Normalized Difference Water Index）是一种用于遥感图像中水体检测的指数，它基于水体对于近红外（NIR）和绿色波段的不同吸收特性。计算NDWI的公式如下：​其中：NIR 是近红外波段的反射值。G 是绿色波段的反射值。NDWI 的计算结果范围通常在 -1 到 1 之间。较高的值表示可能为水体，而较低的值则表示非水体区域。
Google Earth Engine（GEE）——单波段影像加载和真彩色影像展示
此星光明博客
11-04 2743
单张影像来展示我们想要的结果，首先选择迎新啊给，然后设置中心点位置和放大的倍数 最后直接可以在加地图的过程中，影像选择波段，设置最大最小值参数进行单一波段的展示，如果是要展示合成影像，Map.addLayer（）中第二个参数就是设置色彩的拉伸，和需要合成的波段，可以利用这个函数来实现真彩色影像合成。 代码： var image = ee.Image("LANDSAT/LC08/C01/T1_TOA/LC08_123037_20180611"); Map.centerObje...
GEE笔记（二）：影像筛选和加载
cyanol的博客
09-21 1万+
1. 筛选影像 可以用工具选择自己所需的区域，编辑器会自动导入你所选的位置信息。变量名可以自己修改。我修改为"guanting" //按照时间和位置筛选影像，加载的T1_SR影像，已经过大气校正。 var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR').filterBounds(guanting) .filterDate('2020-06-01','2020-09-17'); // 按照云量排序 var sorted = collec
Google Earth Engine（GEE)——由reduceRegion返回的字典中提取数值
此星光明博客
07-23 845
这个例子计算了一个图像的平均数和标准偏差然后用这些值对图像进行拉伸。 代码展示： //加载影像，获取平均值，标准差，建立区域，影像分辨率大小 var img = ee.Image('CGIAR/SRTM90_V4'); var meanReducer = ee.Reducer.mean(); var sigmaReducer = ee.Reducer.stdDev(); var region = ee.Geometry.Rectangle(9, 9, 10, 10); var scale ..
GEE|求NDWI
个人学习笔记
01-22 995
参考视频：https://www.youtube.com/watch?reload=9&v=Mptm1_TUdPY 参考代码：https://code.earthengine.google.com/8c6c9d09d1f7e0a040fdce2ab0f729f6 // 加载影像 var image = ee.Image('LANDSAT/LC8_L1T_TOA/LC81270512015358LGN00'); // 定义可视化参数 //min、max、gamma好像是拉伸、调亮度饱和度的？ var
帮我写一个GEE实现F检验
09-14
接下来，使用GEE的图像集合功能加载这两个数据集。图像集合是一组具有相同空间分辨率和波段的图像组成的数据结构。 然后，对加载的图像集合应用统计函数，例如mean()、reduceRegion()和reduceRegionToImage()等，以...
GEE|影像可视化|导出分类结果图像
weixin_42534065的博客
11-10 4011
GEE|影像可视化|导出分类结果图像导出遥感影像分类结果 导出遥感影像分类结果 GEE导出拉伸后的RGB图像，处理完后的结果是一个灰度图像，如果想要下载到本地查看，需要先要做一个可视化处理，即拉伸到rgb，min对应0，max对应255。 var palette = [ '#ffffff', '008000' ]; var img= img1.visualize({min: 0, max: 1, palette: palette}) 导出到云盘 Export.image.toDrive({
Python遥感图像处理应用篇(二十九)：遥感图像拉伸处理
soderayer的博客
02-13 1746
将原始遥感图像各个波段拉伸到0-255范围显示。运行环境：windows10 pycharm python3.7.7包等。
GEE学习笔记（基础篇）更新中
qq_44717133的博客
07-17 2742
一、GEE基础 Image：基础的栅格（raster）数据； ImageCollection：一系列或一段时间的Image数据集； Geometry：基础的向量（vector）数据； Feature：有属性的Geometry数据； FeatureCollection：一系列Feature数据集； Reducer：计算统计数据或聚合数据的object Join：通过时间空间或者属性来组合数据； Array：可以进行多维的数据分析 作者：还行圣母院 https://www.bilibili.com/read/c
Google Earth Engine ——MODIS Terra/Aqua Daily归一化差异水指数（NDWI）
此星光明博客
11-09 2487
The Normalized Difference Water Index (NDWI) is sensitive to changes in liquid water content of vegetation canopies. It is derived from the Near-IR band and a second IR band, ≈1.24μm when available and the nearest available IR band otherwise. It ranges in
Google Earth Engine（GEE）Sentinel2影像特定长时间序列合成，以及导出多幅影像和导出为黑色问题
bless的博客
05-12 6420
本篇主要介绍如何加载单幅Sentinel2影像，以及合成长时间序列感兴趣区域的影像集合，自己在写代码的过程中，出现了一些问题，比如导出的影像会以多幅tif影像出现，导出的影像在Arcgis中加载全为黑色，也看了一些博主的博客，有的解释很简单，在这我会详细解释一下，让大家少走弯路（被我走完了）。 遇到问题的同学可以直接跳转到第三部分。 目录1.单幅影像合成2.特定长时间序列影像合成3.导出为多幅影像以及导出影像为黑色的问题 1.单幅影像合成 此代码只对感兴趣区域，并辅以时间范围进行影像筛选，使用了经典的Sen
GEE实战 | 计算NDVI & NDWI
热门推荐
小鱼干的博客
09-01 3万+
GEE实战 | 计算NDVI & NDWINDVINDVI数据库计算NDVINDWINDWI数据库计算NDWI NDVI NDVI数据库   GEE自身提供了相当多的NDVI资源可以直接导入使用。   以Landsat 8 8天周期NDVI产品为例，导入及可视化代码如下： var dataset = ee.ImageCollection('LANDSAT/LC08/C01/T1_8DAY_NDVI') .filterDate('2017-01-01', '20
gee去除影像背景值代码
05-10
以下是使用Python和OpenCV库实现去除影像背景值的代码： ```python import cv2 # 读取原始图像 img = cv2.imread('image.jpg') # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 阈值化处理，将灰度图像二值化 ret, thresholded = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) # 进行形态学操作，去除背景噪声 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11,11)) morphed = cv2.morphologyEx(thresholded, cv2.MORPH_CLOSE, kernel) # 将去除背景后的图像保存 cv2.imwrite('result.jpg', morphed) ``` 以上代码中，我们首先使用`cv2.imread()`函数读取原始图像，然后使用`cv2.cvtColor()`函数将图像转换为灰度图像。接着，我们使用`cv2.threshold()`函数对灰度图像进行阈值化处理，将灰度图像二值化。这里使用了Otsu自适应阈值法来自动确定阈值。 接下来，我们使用形态学操作去除背景噪声。这里使用了闭操作，即先进行膨胀操作，再进行腐蚀操作，可以有效地填补物体内的空洞和小孔。最后，我们使用`cv2.imwrite()`函数将去除背景后的图像保存。 需要注意的是，以上代码只是一个简单的示例，具体的去除影像背景值的方法需要根据实际情况进行调整和优化。
评论 1
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