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进行PDF文件拆分的示例详解

《Python进行PDF文件拆分的示例详解》在日常生活中,我们常常会遇到大型的PDF文件,难以发送,将PDF拆分成多个小文件是一个实用的解决方案,下面我们就来看看如何使用Python实现PDF文件拆分... 目录使用工具将PDF按页数拆分将PDF的每一页拆分为单独的文件将PDF按指定页数拆分根据页码范围拆分

Linux使用cut进行文本提取的操作方法

《Linux使用cut进行文本提取的操作方法》Linux中的cut命令是一个命令行实用程序,用于从文件或标准输入中提取文本行的部分,本文给大家介绍了Linux使用cut进行文本提取的操作方法,文中有详... 目录简介基础语法常用选项范围选择示例用法-f:字段选择-d:分隔符-c:字符选择-b:字节选择--c

Python调用Orator ORM进行数据库操作

《Python调用OratorORM进行数据库操作》OratorORM是一个功能丰富且灵活的PythonORM库,旨在简化数据库操作,它支持多种数据库并提供了简洁且直观的API,下面我们就... 目录Orator ORM 主要特点安装使用示例总结Orator ORM 是一个功能丰富且灵活的 python O

Nginx设置连接超时并进行测试的方法步骤

《Nginx设置连接超时并进行测试的方法步骤》在高并发场景下,如果客户端与服务器的连接长时间未响应,会占用大量的系统资源,影响其他正常请求的处理效率,为了解决这个问题,可以通过设置Nginx的连接... 目录设置连接超时目的操作步骤测试连接超时测试方法:总结:设置连接超时目的设置客户端与服务器之间的连接

使用 sql-research-assistant进行 SQL 数据库研究的实战指南(代码实现演示)

《使用sql-research-assistant进行SQL数据库研究的实战指南(代码实现演示)》本文介绍了sql-research-assistant工具,该工具基于LangChain框架,集... 目录技术背景介绍核心原理解析代码实现演示安装和配置项目集成LangSmith 配置(可选)启动服务应用场景

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为

Python如何计算两个不同类型列表的相似度

《Python如何计算两个不同类型列表的相似度》在编程中,经常需要比较两个列表的相似度,尤其是当这两个列表包含不同类型的元素时,下面小编就来讲讲如何使用Python计算两个不同类型列表的相似度吧... 目录摘要引言数字类型相似度欧几里得距离曼哈顿距离字符串类型相似度Levenshtein距离Jaccard相

SpringBoot中使用 ThreadLocal 进行多线程上下文管理及注意事项小结

《SpringBoot中使用ThreadLocal进行多线程上下文管理及注意事项小结》本文详细介绍了ThreadLocal的原理、使用场景和示例代码,并在SpringBoot中使用ThreadLo... 目录前言技术积累1.什么是 ThreadLocal2. ThreadLocal 的原理2.1 线程隔离2

Python利用PIL进行图片压缩

《Python利用PIL进行图片压缩》有时在发送一些文件如PPT、Word时,由于文件中的图片太大,导致文件也太大,无法发送,所以本文为大家介绍了Python中图片压缩的方法,需要的可以参考下... 有时在发送一些文件如PPT、Word时,由于文件中的图片太大,导致文件也太大,无法发送,所有可以对文件中的图

如何使用Spring boot的@Transactional进行事务管理

《如何使用Springboot的@Transactional进行事务管理》这篇文章介绍了SpringBoot中使用@Transactional注解进行声明式事务管理的详细信息,包括基本用法、核心配置... 目录一、前置条件二、基本用法1. 在方法上添加注解2. 在类上添加注解三、核心配置参数1. 传播行为(