本文主要是介绍geemap学习笔记053:纹理特征,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
纹理特征通常描述了遥感影像中像素之间的空间关系和变化,对于地物分类、目标检测以及图像分割等遥感应用非常有价值。本节将会介绍Earth Engine中提供的一些纹理特征计算方法,包括熵和灰度共生矩阵。
1 导入库并显示数据
import ee
import geemap
import math
ee.Initialize()# Create a map centered at (lat, lon).
Map = geemap.Map(center=[40, -100], zoom=4)# 加载高分辨率的 NAIP 影像
image = ee.Image('USDA/NAIP/DOQQ/m_3712213_sw_10_1_20140613')# Zoom to San Francisco, display.
Map.setCenter(-122.466123, 37.769833, 17)
Map.addLayer(image, {'max': 255}, 'image')
Map
2 熵(entropy)
# 获取近红外波段
nir = image.select('N')# 定义一个核大小
square = ee.Kernel.square(**{'radius': 4})# 计算熵(entropy)并展示
entropy = nir.entropy(square)
Map.addLayer(entropy,{'min': 1, 'max': 5, 'palette': ['0000CC', 'CC0000']},'entropy')
Map
3 灰度共生矩阵
# 计算灰度共生矩阵,并且获取对比度
glcm = nir.glcmTexture(**{'size': 4})
contrast = glcm.select('N_contrast')
Map.addLayer(contrast,{'min': 0, 'max': 1500, 'palette': ['0000CC', 'CC0000']},'contrast')
Map
后记
大家如果有问题需要交流或者有项目需要合作,可以加Q Q :504156006详聊,加好友请留言“CSDN”,谢谢。
这篇关于geemap学习笔记053:纹理特征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!