高光谱图像的可视化

原创

已于 2022-07-19 16:15:51 修改 · 3.1k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#python #计算机视觉 #深度学习

于 2022-06-06 15:55:58 首次发布

文章目录

- 红光波段：640-670nm 绿光波段：530-590nm 蓝光波段：450-510nm
一、自定义HSI转RGB函数
二、主函数
三、题外补充

红光波段：640-670nm 绿光波段：530-590nm 蓝光波段：450-510nm

一、自定义HSI转RGB函数

输入dataset是一个H $*$ W $*$ C的三维numpy数据，返回是H $*$ W $*$ 3的三通道RGB的numpy数据

def hsi2rgb(dataset):

    dataset_blu = dataset[:, :, 9]
    dataset_gre = dataset[:, :, 34]
    dataset_red = dataset[:, :, 60]

    nomlize_blu = (dataset_blu - dataset_blu.min()) / (dataset_blu.max()</

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

yeen123

关注关注

0
点赞
踩
11

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Python高光谱图像可视化展示(imgvision 1.7.3)

Syuhen的博客

01-31

1万+

imgvision.spectra()通过一行代码将任意分辨率光谱图像转换至任意光源下的RGB或XYZ空间，配合imgvision.cvtcolor()可以实现任意颜色空间转换

高光谱图像可视化增强matlab和python

pp2373886592的博客

01-20

1046

高光谱图像可视化 视觉增强函数。

参与评论您还未登录，请先登录后发表或查看评论

高光谱图像分类常用数据集（二）

最新发布

白桃

09-25

1726

本文介绍了四个常用的高光谱图像数据集及其下载链接。数据集包括：印度松树数据集（1992年采集，145×145像素，224波段，16类）帕维亚大学数据集（2001年采集，610×340像素，103波段，9类）帕维亚中心数据集（1096×1096像素，102波段，9类）萨利纳斯数据集（512×217像素，224波段，16类）每个数据集包含详细的类别信息和样本数量，适用于高光谱图像处理研究。数据可通过夸克网盘或Google Drive获取。

支持向量机高光谱图像分类的可视化

weixin_42588877的博客

01-06

604

支持向量机(SVM)是一种机器学习算法，其中 SVM 分类器是用于对高维数据进行分类的有效工具。对于高光谱图像分类，SVM 分类器的可视化可以使用二维图表或三维图表，其中数据点被标记为不同的类别，并且划分超平面是由 SVM 分类器在训练过程中学习到的决策边界。在二维图表中，划分超平面是一条直线，在三维图表中，划分超平面是一个平面。除了分类数据点以外，SVM 分类器还可以可视化支持向量，即与决策边界...

用python实现支持向量机高光谱图像分类的可视化

weixin_35753431的博客

01-06

906

为了在 Python 中可视化支持向量机(SVM)高光谱图像分类，首先需要准备好所需的数据和模型。这可以使用 scikit-learn 等机器学习库来实现。然后，您可以使用 matplotlib 等 Python 可视化库来绘制图像。例如，下面是一个使用 matplotlib 和 SVM 进行高光谱图像分类的简单示例： import matplotlib.pyplot as plt from ...

高光谱数据集_中科院陈甫：关于高光谱数据集的可视化表达

weixin_39891317的博客

12-14

860

点击图片上方蓝色字体“慧天地”即可订阅文章来源：欧比特高光谱，作者：陈甫，中国科学院空天信息创新研究院副研究员(《慧天地》特约撰稿人)，版权归原作者及刊载媒体所有。这次去广东珠海参加遥感学报编委会会议，也抓住机会和位于珠海的欧比特公司取得联系，讨论了一些他们的工作思路。特别是了解到有很多存档数据已经开放科研共享，将成为一组非常有特色的科学数据集。高光谱数据集的主要亮点就是便于地物分类，虽...

基于脱色的高光谱图像可视化Matlab代码TGRS，_Matlab Code of Decolorization-bas

09-22

在遥感技术和图像处理领域中，高光谱图像可视化是一个关键的研究方向。高光谱成像技术能够捕捉从可见光到红外区域的连续光谱信息，从而为地球观测、矿物探测、农业监测等领域提供了丰富、精确的物质成分信息。然而，...

精选资源

Gerbil:高光谱图像可视化和分析框架-开源

04-29

Gerbil项目已移至http://www.gerbilvis.org。有关最新信息和最新软件版本，请访问此处。

精选资源

matlab图像均衡化的代码-vein-visualization:从RGB图像进行高光谱重建以实现静脉可视化

05-27

matlab图像均衡化的代码从RGB图像进行高光谱重建以实现静脉可视化 我们提出了一种数据驱动的方法来从RGB图像中重建高光谱图像。该方法基于残差学习方法，该方法可有效捕获数据流形的结构，并考虑到存在于RGB图像中...

番外：高光谱特征工程可视化实战｜假彩色、PCA、LBP 与光谱曲线（逐段讲解 + 可直接运行）

lestatlu的博客

08-10

932

本文使用KSC高光谱数据展示四种常见可视化方法：假彩色合成、PCA主成分合成、LBP纹理分析和类别平均光谱曲线。首先加载数据并进行预处理，包括归一化和百分位拉伸。假彩色合成通过选择三个波段映射到RGB通道；PCA合成将前三主成分转换为彩色图像并显示方差解释率；LBP纹理分析分别在原始波段和PCA分量上计算局部二值模式纹理特征。文中提供了完整的Python实现代码和可视化效果图，并针对常见问题（如数据类型转换警告）提供了解决方案。这些可视化方法可帮助直观理解高光谱数据的空间分布、光谱特征和纹理信息。

【两种方式】用python和ENVI画出高光谱遥感影像的3D立体图

热门推荐

haoji007的博客

01-10

1万+

前言在之前的一篇文章中，介绍了高光谱图像的特点和表达形式。高光谱图像最突出的一个特点拥有大量光谱波段，使得图像堆叠成一个超立方体。由于最近研究需要，想可视化展示HSI图像的3D立方体。于是，搜索了一些资料，展开了工作。以下是绘制的两种方式。一、使用python 这种方法很简单，几行代码就可以搞定，废话不多说，直接上代码。需要的环境：spectral，ipython，matplotlib import os import scipy.io as sio from spectral i

高光谱遥感图像数据集

04-14

常用的高光谱遥感图像数据集，包含Indians Pines、Botswana、KSC、PaviaU、Salinas及它们的ground truth矩阵。文件后缀为.mat

高光谱图像处理很有用的资料

07-09

高光谱资料高光谱资料高光谱资料高光谱资料高光谱资料高光谱资料

基于python的高光谱数据加载与可视化教程

lestatlu的博客

04-25

837

本文基于 Python 代码介绍高光谱数据的加载与可视化，先导入必要库，loadData函数根据数据集名称从指定文件夹加载.mat或.h5格式的高光谱数据及对应标签，visualize_data_and_gt函数检查数据维度、选择波段进行假彩色合成并归一化，绘制并展示假彩色影像和真实标签图，主程序调用函数加载 “DC” 数据集并可视化，选择第 30、50、70 波段合成，可按需扩展函数及选择不同数据集和波段组合分析数据特征。

高光谱数据集

zzzorz的博客

05-19

2515

高光谱数据集 1：Washington DC Mal,Indian Pine等 https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html 2：Indian Pines, Salinas,Pavia Centre and University, Cuprite 等 http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes 3：hydi

基于Python的高光谱图像分析教程

晚来天欲雪，能饮一杯无？

03-31

5434

基于Python的高光谱图像分析教程

高光谱图像分类-基于Python的多分类器对比与结果可视化

lestatlu的博客

04-21

590

本文是基于 Python 的高光谱图像分类实验指南，以 “dc_hx.mat” 光谱数据与 “dc_gt.mat” 标签数据为实验对象，利用 Scikit-learn 和 Matplotlib 等工具，完成高光谱图像分类实验。实验涵盖数据预处理、训练测试集划分、KNN、SVM 等多分类器训练评估及全图分类可视化四大步骤。

python高光谱影像可视化

陨星落云的博客

11-25

5813

安装spectral库 conda install spectral 报错一 ImportError: Required dependency wx.glcanvas not present 解决方法：安装wxpython库 conda install wxpython 报错二缺少OpenGL库 ModuleNotFoundError: No module named 'OpenGL' 解决方法： conda install PyOpenGL 代码 import spectral from

【深度学习光谱】光谱的预处理方法及其可视化

starssssssssss的博客

07-03

1410

本文章代码参考下面的博客，这个博客写的更加详细，大家可以去学习一下。创建这个文章的目的是为了保存一下运行过的模型代码，大家有需要可以拿去参考。

高光谱图像可视化代码MATLAB

02-22

### MATLAB 实现高光谱图像可视化 为了实现高光谱图像（HIS）的可视化，可以利用MATLAB内置工具箱以及特定函数来处理和显示这类数据。下面提供一段用于加载、预览及展示高光谱立方体不同波段组合的代码示例。 ```matlab % 加载样本高光谱数据集 datacube = hypercubeload('filename'); % 用户需替换为实际文件路径[^1] % 显示单个波段灰度图 bandIndex = 50; % 可调整此索引查看其他波段 figure; imshow(datacube(:,:,bandIndex), []); title(['Band ', num2str(bandIndex)]); % RGB合成彩色图像 rgbImage = colorizeHSI(datacube); % 假设colorizeHSI是一个自定义函数用来转换成RGB颜色空间 figure; imshow(rgbImage); title('RGB Composite'); % PCA变换降维后的前三个主成分作为RGB通道 pcaComponents = pca(double(reshape(datacube,[],size(datacube,3)))'); reducedData = reshape(pcaComponents(:,1:3)', ... [size(datacube,1), size(datacube,2), 3]); figure; imshow(rescale(reducedData)); title('PCA Reduced Data Visualization'); ``` 上述脚本展示了三种常见的高光谱图像可视化方式：单一波段灰度级表示法、多波段合成为真彩或伪彩图片的方法，还有通过主成分分析（Principal Component Analysis, PCA）降低维度后再映射到红绿蓝三原色的方式。值得注意的是，在真实应用场景中，`hypercubeload()` 和 `colorizeHSI()` 函数需要依据具体的数据格式自行编写或者调用第三方库提供的相应接口完成读取操作与色彩映射逻辑。