Skip to content

别忘了拉伸!使用 ENVI 的拉伸工具查看肉眼无法辨识的细节

原文链接:https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/dont-forget-to-stretch-using-envis-stretch-tools-to-see-things-our-eyes-cant

20315 文章评分:

5.0

别忘了拉伸!使用 ENVI 的拉伸工具查看肉眼无法辨识的细节

匿名作者 2017年1月25日,星期三

生活在博尔德,我们这些山里人喜欢进行各种体育活动,无论是徒步、滑雪还是瑜伽。众所周知,任何体育活动前要做的第一件事就是——拉伸!这在 ENVI 中同样适用!过去几个月,我处理过多个项目,如果我能先在 ENVI 中使用拉伸工具,本可以为自己节省大量时间。今天这个案例是一个大型草场的数据集,用户需要在这片草场中寻找一种入侵性杂草。

从上图可以看到——一切都是绿色的!当所有东西看起来都像草时,如何识别杂草?在客户的协助下,我们获得了他们提供的 shapefile,其中标注了场景中实际存在目标杂草的区域。然而,即使有了这些 shapefile,所有区域仍呈现相同颜色。这就是为什么在开始任何预处理或分类流程之前,你需要先进行拉伸

ENVI 提供了多种出色的拉伸工具,但仅仅看到它们并不足以理解其含义。本案例中,我们使用了不同的线性百分比拉伸来突出某些特征。这些百分比拉伸的作用是:在直方图的首尾两端,各截去 X% 的极端值。

例如,观察我们展示的三幅带有直方图拉伸效果的图像:第一幅未拉伸图像的像素值范围为标准的 0-255。而分别查看经过线性 2% 和 5% 拉伸的图像时,可以看到每个颜色波段的像素值在两端都被截断了。

通过拉伸,我们轻松识别出了场景中的入侵杂草,并与提供的 shapefile 进行比对,从而运行分类流程并提取所需特征。未在图中展示的 shapefile 均位于场景中呈深绿色的区域周围。这些拉伸操作让我们能为分类创建更精确的感兴趣区域(ROIs),进而获得更准确的结果。

所以请牢记:千万别忘了拉伸!

扩展 ENVI 扩展功能 何时使用 IDL 任务?异构计算环境中 IDL 作为数据分析的关键