马钰琪201211191003实习二实习二主要内容：1.图像变换1.1剪切1.2镶嵌1.3融合2.图像变换2.1缨帽变换2.2主成分变换2.3波段计算2.4植被指数1.图像变换1.1剪切目的：在图像上获得想要的不规则的部分，提取需要的信息具体操作：1）打开数据can_tmr.img，随便选三个波段，显示一张彩色图像；2）点击image图像上的菜单overlay-Region of Interest；3）显示界面如图，将Region #1名字修改为农田，上方可选择在哪个窗口进行选取，在ROI菜单中可以改选择区域的类型，这里选用多边形polygon，在zoom图像上更改，点击New region还可以添加新的感兴趣区（图1）；图1 画出感兴趣区4）剪裁图像在ROI窗口中点击file-Subset via ROI，将can_tmr.img进行裁剪要注意的设置有（图2）：①设置ROI为要剪裁的区域②设置Mask pixels outside of ROI为yes③设置背景值为255；图2 剪裁图像设置④得到剪裁图像，打开RGB，结果如图（图3）图3 剪裁后图像1.2镶嵌两张航片拍摄中可能会出现重叠的部分，用镶嵌可以把它们显示为一张完整的图片。
具体方式有两种，基于坐标的和基于像素的主要步骤：A.基于坐标1）打开文件mosaic1.img和文件mosaic2.img，查看两者投影坐标都为UTM Zone 13N观察两者有重合的地方2）点击主菜单上的Map-Mosaiking-Georeferenced，弹出黑窗口；3）在弹出窗口菜单中选择import-import files选择两张图像，可以在窗口中看到两张图像重叠在一起，右击一张图像可以选择将它移到上方（图4）；图4 Mosaic处理移动图像位置4）为了减少最后得到重叠图像上拼接处的差别，我们对其中一张进行调整分别右击图片，选择Edit Entry，设置为彩色图像，并选其中一张作为固定的（fix），另一张作为要调整的（adjust），其中一张设置如图5；图5 Mosaic处理图像参数5）选择file-Apply，注意设置用重叠区域的颜色精度比较高得到图像如图6，可以看到两图之间没有一点色差图6 基于坐标图像镶嵌结果B.基于像素1.为了实验，先将mosaic1.img按照上节课的办法裁剪成两张图，一张的行从1到100，列从1到100，另一张的行从91到190，列从1到100加载剪裁的两张图，得到结果如图7。
图7 要镶嵌的图像2.打开主菜单Map-Mosaicking-Pixel Based,弹出黑色窗口，同样导入两张裁剪好的图像3.在窗口下框中设置左图出发的行列为1和1，右图出发的行列为91和1,可以看到两图严丝合缝的重叠在一起（图8）图8 基于像素镶嵌的结果1.3融合多光谱图像光谱分辨率较高，而全色图像空间分辨率较高，如果能把两幅图融合在一起，就可以在一张图像上实现两种高分辨率这里提供两种办法，它们主要的区别在于，HSV只能对多光谱在显示窗口中的三个波段进行融合，而GS法可以针对多光谱图像中的所有波段具体操作：A.HSV法1.加载文件数据bldr_sp.img和TM-30m.img并显示，TM-30m.img数据选择三个波段显示彩色图像；2.选择主菜单上的Transform-Sharpening-HSV，在弹出的窗口中依次选择彩色图像Display#2、高空间分辨率图像bldr_sp.img；直到最后一步保存路径，新的文件被加载进来，可以和原图像进行对比如下图所示，从左到右三个图像为：bldr_sp.img，融合后的图像和原来的多光谱图像（图9）图9 图像融合结果B.GS法1.加载同样的文件。
打开主菜单Transform-image sharpening-Gram Schemidt spectral sharpening依次选择低空间分辨率的TM数据（可以选择其中某几个波段），高分辨率的SP数据，对全色图像的处理办法选择第一个，取平均；2.得到新的图像如图，可以看到和原来比分辨率明显提高，和HSV得到结果相差不大，但这种方法得到结果可以选取任意三个波段也可以对两个数据进行link比较图10）图10 图像融合结果C.用谷歌地图查看1.选择主菜单上的Spectral-Spear tools-Google Earth Bridge，按照默认设置一步一步直到图像与下好的Google Earth可以相重叠老师我是按照这个一步一步作的，但是每次到最后显示时就会卡死，所以就截不了图了）1.3主成分变换1.3.1正变换1.加载文件AA在主菜单上选Transform-principle components-forward PC rotation-Compute New Statistics and Rotate,选择对AA图像进行主成分变换，设置如图主要需要注意的有：1）要保存一个sta格式文件，用于存放变换的波谱信息；2）设置数据问Float数据；3）可以改变波段数，这里默认还是7个波段；图11 主成分变换设置参数2.打开得到主成分变换后的1,4,7三个波段用灰白显示，对比发现，从波段1到波段7噪声越来越大，说明包含的信息越来越少。
观察自动弹出的Eigenvalue窗口也可以发现，前三个波段包含了大部分的信息，这三个波段可以认为是变换后包含“主成分信息”的波段；3.为了进一步查看波段信息在主菜单上找到Basic tools-statistics-viewing statistics，打开建立的“主成分变换.sta”后，可以进一步查看图12 查看波段信息如图，红色代表每个波段特征值的最大值和最小值，白色是平均值，绿色是波动范围从Eigenvalue一栏可以看出，波段包含的信息越来越小，主要的信息集中在前面3个波段1.3.2逆变换1.由于主成分分析生成了一个sta记录变换的内容，所以可以进行反变换打开主菜单-transform-Principal Components-inverse PC rotation,选择要进行逆变换的主成分变换影像和上一步生成的sta文件，得到一个逆变换回来的影像2.将得到影像与原影像打开相同的三个波段进行对比可以发现，两者还是有细微差别如图所示图13 对比逆变换和原来结果1.4缨帽变换还是加载AA图像，在主菜单上选择Transform-Tasseled Cap，选择要进行缨帽变换的AA图像。
由于图像本身属性，在弹出窗口中选择输入Landsat 5 TM，最后得到Brightness，Greeness和Third三个方向的主要信息合成如图图14 缨帽变换结果1.5波段计算1.5.1提取水体1.加载AA影像，显示第7波段，在图像上右击，选择Cursor location or value，发现水体的值一般小于20；2.打开主菜单-Basic Tools-Band Math,输入并选择表达式”b1 lt 20”，输出新的影像如图，其中白色点值为1，表示为水体；黑色点值为0，表示不为水体；图15 band math结果3.为了显示原图像的信息，再打开Band math，输入表达式 b1*b2，其中b1为新生产的波段bandmath:b1 lt 20，而b2选择map variable to input file，选择AA的七个波段，得到水体用5、4、3波段分别对应R、G、B结果如图1.5.2植被指数1.5.2.1用软件自带工具计算1.transform-EDVI，在弹出的窗口中设置红波波段为3，近红外为4，设置数据类型为浮点型输出新影像，如图2.在新的窗口中显示图像，右击图像打开Cursor location/value，可以看到图上点值有正有负，都是浮点型数据。
其中水体对应值较低，植被对应值较高，在图上反应为颜色较浅部分图16 查看图上点对应值1.5.2.2用波段计算器进行计算1.打开Band Math输入表达式(b4-b3)/(b4+b3),设置b4为近红外波段4，b3为红波波段3输出图像查看结果，可以发现，图像上只有0,1,2,3,4五个值且没有负数，水体在图像上是灰色不是黑色，值不是最低的这是因为按照整数型计算时，每一步都计算成整数，得到的答案是不准确的2.输入表达式float(float(b4)-float(b3))/(float(b4)+float(b3)),其中b3还是红波波段，b4还是近红外波段可以发现，图像和自带工具计算的EDVI几乎一致如下图比较，从左到右分别为整数型计算的植被指数、浮点计算的植被指数、系统计算的EDVI1.6傅里叶变换1.打开CJSpot图像，打开Filter-FFT filter-forward FFT,按照默认设置得到结果如下图17 傅里叶正变换结果2.在图像窗口上点击Enhance-2% linear，图像结果变化不大3.打开主菜单上的Filter-FFT filter-FFT defination弹出傅里叶滤波的参数设置窗口。
如果按照默认则是低通滤波，这里选择User Defined Cut4.打开#1视图上的Overlay-Annotation在弹出窗口中设置Object为rectangle，用矩形作画，并设置在Zoom窗口上作画，标记为红色图18 user defined cut选择Annotation5.单击file-save annotation保存选择的区域为Anno，然后在刚刚打开的User Defined Cut的窗口中的Ann File选项中打开这个文件选择Apply，得到结果如下，只是选中了四个区域，其他地方是白色图19 傅里叶选中区域6.进行逆变换，选择主菜单Filter-FFT filtering-Inverse FFT打开两次窗口第一次选择输入文件，是memery 1即正变换得到文件；第二次选择变换文件是Memory 2即滤波变换得到文件，得到结果如下，与原图进行对比左边是原图，右边是处理后的图像，可以发现图像明显平滑特别是竖条纹被消除了图20 傅里叶处理结果2.滤波滤波中的卷积可以同时用于平滑和锐化2.1基本概念2.1.1比较窗口不同大小的区别1.加载文件AA，打开Filter-Convolutions and Morphology，在下面窗口中设置并查看滤波的方式，窗口的大小和形状和卷积的具体值。
图21 卷积窗口1）在File选项下拉菜单的Save 和restore命令可以储存和调出相应的卷积2）Options菜单下Sqare kernel前面的勾勾选掉后，可以设置窗口为长方形3）在Convolution菜单下选择Lowpass低通滤波，可以按照步骤得到在窗口中取均值的新影像图21 均值滤波处理结果2.选择窗口的大小不同，得到的图像也不同窗口越大，相邻的窗口数值相同的个数也越多，所以影像也越模糊，如图，从左到右分别为3*3,5*5,7*7和9*9的窗口得到的影像图22 不同窗口均值滤波处理结果2.1.2不同滤波的区别1.低值滤波是一种均值滤波，所以每一个象元和周围的差距变小，图像变模糊2.高斯低值滤波得到的影像和原图没有任何区别，因为它们的算子是相同的3.中值滤波是在窗口中都赋予了中间值，所以。