IDL考试前复习笔记(三) 计算NDVI后进行密度分割

2023-11-09 16:50

本文主要是介绍IDL考试前复习笔记(三) 计算NDVI后进行密度分割,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言
  发现这个好像和我之前写的程序重了,之前写考核的时候密度分割部分直接抄的课上的程序,这次看懂了,挺简单的 。

需求分析

Created with Raphaël 2.2.0 开始 b3,b4波段 计算NDVI 密度分割 密度分割图 结束

这个代码有点太过简单了…不废话了,干活!

1.预定义颜色索引矩阵,读入近红和红数据,计算NDVI

  dst = [[-1.0, 0.0, 255, 127, 36], $[.0, 0.2, 255, 165, 79], $[0.2, .4, 238, 216, 174], $[ .4, .6, 193, 255, 193], $[ .6, .7, 193, 255, 193], $[ .7, .8, 0  , 139, 0]b3file = 'C:\Users\黄\Desktop\te\red_subset.tif'b4file = 'C:\Users\黄\Desktop\te\nir_subset.tif'b3=READ_TIFF(b3file)b4=READ_TIFF(b4file)ndvi=(FLOAT(b4)-b3)/(FLOAT(b4)+b3)

  首先定义一个矩阵,这个矩阵有5列,第一第二列是判断NDVI的范围,如果接下来我们要分割的NDVI矩阵的值介于这两个之间,那么我就将RGB中的R通道赋值为这个颜色索引矩阵的第3列,G通道赋值为颜色索引矩阵的第4列,B通道为颜色索引矩阵的第5列。因为RGB图像本身就是3个通道合成的图像,单个通道的话是灰度图像,所以我只要求3个分量然后合起来就行了。

在这里插入图片描述
注意点IDL创建矩阵的语法就行了,每一个行向量都需要括起来,$就是换行符的意思,表示没有完成整句话。
然后上面那段话就是计算NDVI的表达式,NDVI的表达式就不想写了,对应变量就好了,就是要注意用float类型加减否则会报除以0的错误。

2.求出索引矩阵的列,并做一些寻访赋值

    sz = SIZE(dst)nds = sz[2]sz = SIZE(ndvi)ncols = sz[1]nrows = sz[2]resultR = BYTARR(ncols, nrows)resultG = BYTARR(ncols, nrows)resultB = BYTARR(ncols, nrows)FOR i=0, nds-1 DO BEGINw = WHERE(ndvi GE dst[0,i] AND ndvi LT dst[1, i], count)IF count GT 0 THEN BEGINresultR[w] = dst[2, i]resultG[w] = dst[3, i]resultB[w] = dst[4, i]ENDIFENDFORimg = bytarr(3, ncols, nrows)img[0, *, *] = resultRimg[1, *, *] = resultGimg[2, *, *] = resultBig = image(img,order=1)

首先size函数会返回dst的5个值,我们只要第3个值,即它有多少行,这个dst有6行就是我们要分割的区间。

后面的size我们要知道计算NDVI的图像的大小,即有多少列,多少行。size[1]就是返回的5个值的第2个值,即图像多少列,size[2]就是size返回的5个值中的第3个,即图像有多少行。

然后预定义3个通道的矩阵,RGB通道的3个值。

后面是for循环,这个循环从0开始,到这个分割区间-1次,其实就是分割区间的区间次的循环
where函数判断NDVI是否介于第一和第二之间,如果介于这两个之间那么我的RGB就赋值为那个索引矩阵的第3、4、5列,完成后就完成分量通道的计算

那么最后,把这三个通道合起来,就成了一幅彩色图像。

最后的最后,显示一下图像吧,记得加上order=1就行了。

在这里插入图片描述

OK了,就是那么个思路和语法。

这篇关于IDL考试前复习笔记(三) 计算NDVI后进行密度分割的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/377370

相关文章

Python并行处理实战之如何使用ProcessPoolExecutor加速计算

《Python并行处理实战之如何使用ProcessPoolExecutor加速计算》Python提供了多种并行处理的方式,其中concurrent.futures模块的ProcessPoolExecu... 目录简介完整代码示例代码解释1. 导入必要的模块2. 定义处理函数3. 主函数4. 生成数字列表5.

基于Python实现一个简单的题库与在线考试系统

《基于Python实现一个简单的题库与在线考试系统》在当今信息化教育时代,在线学习与考试系统已成为教育技术领域的重要组成部分,本文就来介绍一下如何使用Python和PyQt5框架开发一个名为白泽题库系... 目录概述功能特点界面展示系统架构设计类结构图Excel题库填写格式模板题库题目填写格式表核心数据结构

Linux使用scp进行远程目录文件复制的详细步骤和示例

《Linux使用scp进行远程目录文件复制的详细步骤和示例》在Linux系统中,scp(安全复制协议)是一个使用SSH(安全外壳协议)进行文件和目录安全传输的命令,它允许在远程主机之间复制文件和目录,... 目录1. 什么是scp?2. 语法3. 示例示例 1: 复制本地目录到远程主机示例 2: 复制远程主

windows系统上如何进行maven安装和配置方式

《windows系统上如何进行maven安装和配置方式》:本文主要介绍windows系统上如何进行maven安装和配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录1. Maven 简介2. maven的下载与安装2.1 下载 Maven2.2 Maven安装2.

C/C++的OpenCV 进行图像梯度提取的几种实现

《C/C++的OpenCV进行图像梯度提取的几种实现》本文主要介绍了C/C++的OpenCV进行图像梯度提取的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录预www.chinasem.cn备知识1. 图像加载与预处理2. Sobel 算子计算 X 和 Y

Go语言中使用JWT进行身份验证的几种方式

《Go语言中使用JWT进行身份验证的几种方式》本文主要介绍了Go语言中使用JWT进行身份验证的几种方式,包括dgrijalva/jwt-go、golang-jwt/jwt、lestrrat-go/jw... 目录简介1. github.com/dgrijalva/jwt-go安装:使用示例:解释:2. gi

SpringBoot如何对密码等敏感信息进行脱敏处理

《SpringBoot如何对密码等敏感信息进行脱敏处理》这篇文章主要为大家详细介绍了SpringBoot对密码等敏感信息进行脱敏处理的几个常用方法,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录​1. 配置文件敏感信息脱敏​​2. 日志脱敏​​3. API响应脱敏​​4. 其他注意事项​​总结

python进行while遍历的常见错误解析

《python进行while遍历的常见错误解析》在Python中选择合适的遍历方式需要综合考虑可读性、性能和具体需求,本文就来和大家讲解一下python中while遍历常见错误以及所有遍历方法的优缺点... 目录一、超出数组范围问题分析错误复现解决方法关键区别二、continue使用问题分析正确写法关键点三

Python对PDF书签进行添加,修改提取和删除操作

《Python对PDF书签进行添加,修改提取和删除操作》PDF书签是PDF文件中的导航工具,通常包含一个标题和一个跳转位置,本教程将详细介绍如何使用Python对PDF文件中的书签进行操作... 目录简介使用工具python 向 PDF 添加书签添加书签添加嵌套书签Python 修改 PDF 书签Pytho

Java计算经纬度距离的示例代码

《Java计算经纬度距离的示例代码》在Java中计算两个经纬度之间的距离,可以使用多种方法(代码示例均返回米为单位),文中整理了常用的5种方法,感兴趣的小伙伴可以了解一下... 目录1. Haversine公式(中等精度,推荐通用场景)2. 球面余弦定理(简单但精度较低)3. Vincenty公式(高精度,