Python处理高光谱数据#1 图像显示

基于Python的高光谱图像显示高光谱数据：点击此处可下载用到的库：matplotlib、scipy、spectral主要内容：图像显示、类别显示、图像立方体显示、N维特征显示欢迎有兴趣的朋友交流指点。最后，废话不多说直接上代码????import matplotlib.pyplot as pltfrom scipy.io import loadmatimport spectral as spyd

PRSer_Carrot

15352人浏览 · 2021-01-28 22:30:06

PRSer_Carrot · 2021-01-28 22:30:06 发布

基于Python的高光谱图像显示

高光谱数据：点击此处可下载
用到的库：matplotlib 2.23、scipy 1.10、spectral 0.21
主要内容：图像显示、类别显示、图像立方体显示、N维特征显示

欢迎有兴趣的朋友交流指点。最后，废话不多说直接上代码😄

import matplotlib.pyplot as plt
from scipy.io import loadmat
import spectral as spy


# 获取mat格式的数据，loadmat输出的是dict，所以需要进行定位
input_image = loadmat('D:/Hyper/Salinas_corrected.mat')['salinas_corrected']
gt = loadmat("D:/Hyper/Salinas_gt.mat")['salinas_gt']

view1 = spy.imshow(data=input_image, bands=[69, 27, 11], title="img")  # 图像显示

view2 = spy.imshow(classes=gt, title="gt")  # 地物类别显示

view3 = spy.imshow(data=input_image, bands=[69, 27, 11], classes=gt)
view3.set_display_mode("overlay")
view3.class_alpha = 0.3  # 设置类别透明度为0.3

spy.view_cube(input_image, bands=[69, 27, 11])  # 显示后会打印相应功能及操作

pc = spy.principal_components(input_image)  # N维特征显示 view_nd与view_cube需要ipython 命令行输入：ipython --pylab
xdata = pc.transform(input_image)  # 把数据转换到主成分空间
spy.view_nd(xdata[:, :, :15], classes=gt)

plt.pause(60)

ImageView附加功能：显示图像窗口时按“h”显示所有键控和鼠标功能
显示图像窗口状态下(view1)，按下“z”键将打开放大窗口显示放大视图，之后按“Ctrl”键并左键单击原始窗口，可将放大窗口平移到单击的像素位置。双击窗口中的特定位置，显示点击像素的二维光谱图
交互式编辑类标签：可选择地物类别图像中的矩形区域分配新的类别ID来交互式地修改像素类ID。类ID为非负整数。（view2）中按住Shift拖动鼠标左键选择区域，输入数字类ID回车赋值，再回车确定。可提前设置一个二维数组，然后用此方法赋值，估计分类检验有用

spy.save_rgb('rgb.jpg', img, [29, 19, 9])  # 保存RGB图像
spy.save_rgb('gt.jpg', gt, colors=spy_colors)  # 保存索引图像

View1：

在这里插入图片描述
放大窗口显示：

光谱曲线显示：

view2：

在这里插入图片描述
编辑部分标签后：

在这里插入图片描述

view3：

在这里插入图片描述

图像立方体：

在这里插入图片描述

N维特征显示：

任意特征显示：

from scipy.io import loadmat
import spectral as spy
import numpy as np


# 读取ENVI的.hdr文件、Erdas的.lan文件以及aviris文件
data = spy.open(file_name)

# 读取Matlab的.mat文件
data = loadmat(file_name)['key']  # 返回的是dict,所以需要key

# 读取.raw的文件（BIL）
raw_image = np.fromfile(file_name, dtype)
format_image = np.zeros((lines, samples, bands))  # 参数分别对应文件行数、列数、波段数，对应的hdr文件可查询
for row in range(0, lines):
    for dim in range(0, bands):
        format_image[row, :, dim] = raw_image[(dim + row * bands) * samples:(dim + 1 + row * bands) * samples]

# 最后读取结果应该都是<class 'numpy.ndarray'>了，方便进一步处理操作😄