ENVI遥感数字图像处理方法（一）

最新推荐文章于 2024-08-14 00:45:00 发布

小生姜

最新推荐文章于 2024-08-14 00:45:00 发布

阅读量4.2w

点赞数 141

分类专栏：初学者文章标签：数据分析图像处理

本文链接：https://blog.csdn.net/weixin_42776564/article/details/107321471

版权

初学者专栏收录该内容

8 篇文章 39 订阅

订阅专栏

文章目录

图像无缝镶嵌
- - （1）查看待镶嵌图像并基于图像镶嵌要点进行分析
  - 图像无缝镶嵌的基本操作流程

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

该影像共有6个波段

（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

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、绿光波段

最后介绍一下真彩色图像，就是红、绿、蓝

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

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

点击后弹出窗口和一个十字准星，鼠标拖动准星可以移动

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

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

Band2和Band3分别是绿光和蓝光波段，可以再次点击将其调出来

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：
$N D V I = (f l o a t (b 1) - b 2) / (0.0001 + b 1 + b 2)$
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

具体步骤如下：
先找到波段运算工具，双击打开
在这里插入图片描述
波段运算器如图

将NDVI运算及表达式输入到"Enter an expression"中，点击OK

弹出如下窗口，分别单击B1 B2，同时在下方点击所对应的波段

最后点击Choose选择保存路径，路径不能有中文，文件名末尾必须手动加上".dat"
在这里插入图片描述
点击"OK"输出结果如下

（二）采用植被指数计算器计算NDVI

操作流程如下：
在这里插入图片描述

具体步骤如下：
找到植被指数计算器，双击打开

选择TM影像后系会自动认定红光波段是第3波段，近红外波段是第4波段。然后输出数据类型选择浮点类型。

5.NDVI计算结果检验

（一）对结果图像的空间分布特征进行检验

操作流程如下：
在这里插入图片描述

具体步骤如下：

然后点击Display里的View Flicker,第一层图像开始闪烁

在这里调整闪烁频率

放大图像，仔细检查NDVI与原图层对应的植被区域是否一致。

（二）对结果图像进行统计特征的检验

我们以植被指数计算器计算得到的NDVI为检验标准
操作流程如下：
在这里插入图片描述
具体流程如下：
先对两幅NDVI影像进行快速统计，然后分别调出它们的灰度统计直方图

NDVI影像只有一个波段，所以它所有波段的直方图只有一条波段

我们观察两幅NDVI影像的统计特征，以植被指数计算器计算得到的NDVI为标准，检验采用波段运算器计算得到的NDVI是否准确。
在这里插入图片描述
植被指数计算器得到的NDVI

波段运算器计算得到的NDVI

两者的最大最小值都在-1~1之间，符合标准，但有微小差异，这与我们为了避免分母为零导致计算出错而在NDVI公式分母加了0.0001有关。

6.浏览图像的空间分布及数值统计特征

首先，为了能使加载进来的影像都能显示出来，点击File下拉列表里的Preferences
在这里插入图片描述
这一项选择Yes

设置好后，点击此处打开dat文件

在这里插入图片描述

（一）查看空间分布特征

打开一幅新的影像，首先要打开Data Manager查看影像的波段数目，以及该影像目前显示的是哪些波段
在这里插入图片描述

（二）查看数值统计特征

右键点击影像，点击快速统计，查看所有波段的直方图，并打开图例
在这里插入图片描述

7.查看图像的元数据

在这里插入图片描述

Host是小端存储，Network是大端存储
在这里插入图片描述

8.测试修改图像元数据对图像读取的影响

先对该影像进行另存
在这里插入图片描述
文件名末尾同样要加上.dat，且保存路径不能有中文

新建一个视窗，将新保存的TEST.dat拖进去

删除原来视窗的TEST.dat，然后点击新视窗，让后面的操作都在新视窗中运行

（一）修改列数

减小列数

在这里插入图片描述
变为条纹，而且条纹向右下斜

增大列数

同样为条纹，但条纹向左下斜
在这里插入图片描述

（二）修改行数

增加行数

在这里插入图片描述
多出来的行，其灰度值全为0，显示黑色

减少行数

在这里插入图片描述
减少的行使得图像下方缺失

（三）修改波段数

减少波段数

在这里插入图片描述
出现条纹，而且图像下方缺失

增加波段数

出现条纹，而且下方多出来黑色区域
在这里插入图片描述

（四）修改存储方式

将BIL改成BSQ，即按波段存储
在这里插入图片描述
不仅有条纹，还出现了明显的条带

（五）修改字节序

将小端改为大端
在这里插入图片描述
图像有一定的空间结构，但在信息显示上有错误

（六）修改数据类型

将该影像的数据类型由浮点型改为字节型
在这里插入图片描述
表现为不清晰的图像

9.查看数据说明文档并对其进行分析

数据说明文档即ASCII文档，以txt形式记录遥感影像的某些属性
在这里插入图片描述
我们打开ASCII文档，观察内容

然后我们再UE中打开该文档并浏览灰度值，发现有3处空白行。说明该遥感影像是用BSQ形式存储，3处空白行意味着有4个波段

10.读取数据说明文档并存储成ENVI标准格式

（一）读取ASCII文档

有两种方法，第一种：在ENVI Header里面点击Open File
在这里插入图片描述
第二种：

第二种方式打开后要调整三个参数，我们可以根据ACCII.txt文档中查看到的属性来配置这三个参数

（二）检查影像是否完整

将影像移至左上角，查看最左上角的像元灰度值
在这里插入图片描述
红光波段：23 绿光波段：21 蓝光波段：18

然后再用UE打开ASCII文档。因为该影像是按照BSQ存储的，所以前三个图层所对应的波段依次为蓝光波段、绿光波段和红光波段

蓝光波段：18

绿光波段：21
在这里插入图片描述
红光波段：23

除了验证左上角，还要验证右下角的像元灰度值

蓝光波段：12

绿光波段：12

红光波段：13

（三）保存至文件路径

由于目前该影像是存储在内存中的，所以我们要将其保存至文件路径。图中的[Memory1]就表示的是内存
在这里插入图片描述
操作流程如下：同样要在文件名后加上.dat

保存好后自动加载保存路径的影像，此时移除保存在内存中的影像，再改变拉伸方式即可

11.查看封装式遥感影像的说明文档并对其进行分析

数据说明文档如图，点击打开
在这里插入图片描述
说明文档给了以下信息

为了使接下来查看元数据时便于记录，我们要新建一个文本文档，将需要采集的元数据信息写进去

12.查看封装式二进制遥感影像的元数据

在这里插入图片描述

打开Data Viewer，打开元数据文档
在这里插入图片描述
页面显示如下

再打开数据说明文档，依据元信息说明文档给出的说明，在Data Viewer中按照要求输入内容从而得到这个封装式遥感数据的元数据

比如第一条卫星及传感器类型，按照要求输入数据后得到为Landsat8 OLI，再将获得到的元数据录入进新创建的文本文档中
在这里插入图片描述
然后第二条数据类型，需要修改数据显示格式为16-bit（即短的）无符号整型，再修改字节号为20

思路如下：

下一条字节序的思路也是如此

下一条列数，需要修改显示格式为32-bit（即长的）无符号整型，再修改字节号为24
在这里插入图片描述
下一条行数，只需要改变字节号即可

下一条波段数改变字节号即可

下一条多波段数据排列方式，需要重新修改显示格式为16-bit（即短的）无符号整型，再修改字节号为36

由说明文档得知，该封装遥感影像数据是元信息在前，数据内容在后；而且元信息一共38个字节，所以我们输入字节号38（第一个元信息对应第0个字节号），显示的第一个数据就是遥感影像最左上角的第一波段像元灰度值
在这里插入图片描述

13.配置封装式二进制遥感图像的头文件

在配置之前我们先打开文件路径查看该封装式二进制遥感影像有哪些文件
在这里插入图片描述
我们选用二进制文件的形式打开.dat文件

打开后弹出配置头文件的窗口

根据之前记录好的元数据来配置头文件信息

在此处的下拉菜单中还可以选择配置其他的头文件信息，比如第一个“波段名称”

配置好后点击OK即可加载影像
在这里插入图片描述
此时我们返回到该文件的路径，发现多出了一些文件，其中还有个HDR类型的文件

14.读取并检查封装式二进制遥感图像读取是否正确

检查波段数是否正确，图像显示是否完整
在这里插入图片描述

再检查特性像元的灰度值

这里最好选取多个特定像元来检查它们的灰度值是否正确。
综上，该封装式二进制遥感影像配置成功，显示完整无误。

15.基于自定义的ROI裁剪

（1）创建ROI

加载一幅单波段遥感影像，点击ROI
在这里插入图片描述
进入后点击Polygon对影像进行裁剪

裁剪完成后会出现一个ROI文件，我们可以在ROI窗口保存这个文件

（2）使用ROI进行裁剪

双击右侧的工具选项
在这里插入图片描述

是否掩膜掉ROI以外的区域：若选择NO，则淹没区域为规则的矩形框；若选择YES，掩膜区域为自己自定义的形状

在这里插入图片描述
点击OK，那么选择YES的掩膜情况如下：

选择NO的掩膜情况如下:

16.基于Shapefile矢量边界文件裁剪影像

加载矢量文件
在这里插入图片描述
还是点击右侧工具栏中的Subset Data from ROIs

裁剪结果如下：

17.基于掩膜文件裁剪影像

首先打开掩膜文件，掩膜图像是由灰度值为0和1组成的二值图像
在这里插入图片描述

打开Data Manager，我们发现这幅掩膜图像和待处理影像的空间范围完全一致。

掩膜裁剪的基本思想是：对像元取值为1（白色）的区域进行处理，而屏蔽像元取值为0（黑色）的区域。 因此要保证掩膜图像与待处理图像的范围要一致。
在这里插入图片描述
该掩膜图像像元值为1的区域对应的是海水，因此该掩膜用于提取海水区域

打开工具箱中的Apply Mask
在这里插入图片描述

掩膜结果如下：

查看掩膜结果的图像范围，和原图像范围一致

查看掩膜结果的灰度值，发现除了被屏蔽区域的像元值为0，其他区域的像元值与原图像对应区域的像元值一致。

图像无缝镶嵌

（1）查看待镶嵌图像并基于图像镶嵌要点进行分析

首先打开两幅需要镶嵌的影像
在这里插入图片描述
图像加载之后自动读取了地理坐标

图像镶嵌的要求：待镶嵌的图像必须具有相同的空间坐标系，相同的波段数以及相同的数据类型

观察两幅图像的重叠区域是否一致，衔接处地物形状和颜色是否一致。根据重叠区边缘的图像衔接情况以及以及重叠区内的地物对应情况，得出两幅图像满足图像镶嵌对待镶嵌图像的要求