ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

这篇具有很好参考价值的文章主要介绍了ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文介绍基于ENVI软件,利用“Pixel Based Mosaicking”工具实现栅格遥感影像镶嵌拼接的方法。

首先需要说明的是,本文需要镶嵌的遥感影像并不含地理参考信息,因此仅可以使用ENVI中的“Pixel Based Mosaicking”工具(该工具可以对含有或不含有地理参考信息的图像进行镶嵌),而不是更为先进的“Seamless Mosaic”工具(该工具仅可对含有地理参考信息的图像进行镶嵌)。

我们先来看一下本文需要实现的需求。现有以下两景遥感影像,在ArcMap软件中打开,其中一景如下图所示。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

另一景则如下图所示,可以看到两景遥感影像之间的重叠区域还是比较大的。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

其中需要注意,这两景图像均不含任何的地理参考信息;因此在ArcMap中的显示,二者也是重叠起来的。而我们需要做的,就是对这两景遥感影像进行镶嵌。

明确了具体需求,接下来就可以开始镶嵌操作。首先,我们在ENVI软件中打开对应的两景遥感影像。选择“File”→“Open…”。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

在弹出的文件选择窗口中,选中我们需要进行镶嵌的两景遥感影像文件,并选择“打开”。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

接下来,在ENVI的工具箱中,依次选择“Mosaicking”→“Pixel Based Mosaicking”。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

这里我们再强调一下,之所以不选择使用效果更好的“Seamless Mosaic”工具进行镶嵌,就是因为该工具仅可以对含有地理参考信息的栅格数据进行操作;下图为该工具的帮助文档,可以看到其中也提到了这一点。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

对于本文的两景不含有地理参考信息的图像,如果我们将其添加到“Seamless Mosaic”工具中,就会提示因为图像不含有标准投影信息,所以不能进行这种方法的镶嵌。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

言归正传。我们打开“Pixel Based Mosaicking”工具后,将会弹出如下所示的界面。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

我们依次选择“Import”→“Import Files…”,进行待镶嵌数据的导入。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

在弹出的数据选择窗口中,选中我们需要进行镶嵌的数据。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

随后,会弹出一个镶嵌范围的配置框。在这里我们暂时不管它,直接选择“OK”即可。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

随后,两景图像都被添加进入镶嵌工具中。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

可以看到,此时两景影像依然是重叠在一起的,且不能拖动;而我们在后期对这两景遥感影像进行镶嵌时,肯定首先需要调整二者的位置。那么,我们就需要对刚刚提到的镶嵌范围进行扩大,从而让我们可以拖动两景遥感影像。

依次选择“Options”→“Change Mosaic Size…”,打开镶嵌范围的配置框。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

在弹出的窗口中,将二者适当扩大,从而调整镶嵌区域的XY的像素范围。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

随后,我们即可用鼠标左键拖动两景遥感影像。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

接下来,不断拖动遥感影像,使其二者处于正确的空间位置。用“Pixel Based Mosaicking”工具镶嵌不含有地理参考信息的栅格图像时,有一个比较麻烦的地方——其不能调整每一景遥感影像的透明度;这就会导致我们在拖动两景遥感影像时,会稍微有些不方便确认二者是否完全匹配到合适的位置。我们只能在图像上右键,通过如下图所示的选项不断切换两景遥感影像之间的显示优先级,从而大致判断图像是否处于合适的位置。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

当然,这里还有一个找到不同遥感影像之间相对位置的办法。我们可以首先选定一个每一景遥感影像中都含有的地物标志像素,例如下图中黄色圆圈内的河流交界处的像元;随后,在ENVI软件中通过Crosshairs功能、Cursor Value功能确定该像元在每一景遥感影像中的像元位置(XY位置);接下来,对两景遥感影像的X位置与Y位置依次做差,并依据差值修改下图红色方框内的图像左上角点的像元位置,就可以快速确定两景遥感影像之间的相对位置。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

确定了遥感影像之间的相对位置后,我们还需要分别查看每一景遥感影像背景值(NoData值)处像元的数值,为了后期的镶嵌做准备。这里我们依然通过Crosshairs功能、Cursor Value功能实现即可。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

每一景图像最好都确认一下,防止后期镶嵌时出现问题。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

随后,对每一景遥感影像的名称右键,选择“Edit Entry”选项。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

在弹出的窗口中,第一项输入我们刚刚获取的遥感影像的背景值,第二项选择图像接边线的羽化范围;随后,配置图像显示的RGB通道与拉伸比率,并对图像的颜色均衡进行调整。对于颜色均衡,我们只需要对待镶嵌图像中的任意一景的“Color Balancing”选择“Fixed”即可,其它图像均选择“Adjust”。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

对每一景遥感影像都进行“Edit Entry”操作。同时不要忘记,其它遥感影像的“Color Balancing”都要选“Adjust”。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

配置完毕后,在“Pixel Based Mosaicking”工具工具窗口下方,可以看到每一景遥感影像的参数设置。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

接下来,即可开始镶嵌操作。依次选择“File”→“Apply”。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

在弹出的窗口中,配置镶嵌后图像的保存路径与名称,并将“Color Balance using:”一项选择为“stats from complete files”即可。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

随后,即可进行图像的镶嵌。稍等片刻,得到镶嵌完毕后的结果如下图所示。

ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)

至此,大功告成。

参考:参考文献链接文章来源地址https://www.toymoban.com/news/detail-443313.html

到了这里,关于ENVI实现基于像元方法的栅格图像镶嵌拼接(所有图像无需地理信息)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【Python&RS】基于GDAL镶嵌拼接遥感影像

            没啥好说的,处理高分辨率影像时,数据高达几十G。用ENVI或者ArcGIS进行影像的拼接时,往往会出现未响应的情况。出现未响应的话,运气好等个一晚上可能会动一动,运气不好就等着强制关闭重做吧。         所以搞了一个Python进行拼接操作的代码,虽然速度不

    2024年02月02日
    浏览(25)
  • 结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术,包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验

     大气温室气体浓度不断增加,导致气候变暖加剧,随之会引发一系列气象、生态和环境灾害。如何降低温室气体浓度和应对气候变化已成为全球关注的焦点。海洋是地球上最大的“碳库”,“蓝碳”即海洋活动以及海洋生物(特别是红树林、盐沼和海草)能够吸收大气中的二

    2024年02月08日
    浏览(32)
  • 创建大量栅格文件并分别写入像元数据:C++ GDAL代码实现

      本文介绍基于 C++ 语言 GDAL 库, 批量创建 大量栅格遥感影像文件,并将数据批量写入其中的方法。   首先,我们来明确一下本文所需实现的需求。已知我们对 大量遥感影像 进行了批量读取与数据处理操作——具体过程可以参考文章C++ GDAL提取多时相遥感影像中像素随

    2024年02月19日
    浏览(26)
  • 基于SIFT的图像Matlab拼接教程

    图像拼接技术,将普通图像或视频图像进行无缝拼接,得到超宽视角甚至360度的全景图,这样就可以用普通数码相机实现场面宏大的景物拍摄。利用计算机进行匹配,将多幅具有重叠关系的图像拼合成为一幅具有更大视野范围的图像,这就是图像拼接的目的。 图1 基于SIFT图像

    2024年02月02日
    浏览(26)
  • 基于深度学习的图像全景拼接算法综述

    一、引言 图像全景拼接是指将多张重叠的图像拼接成一张全景图像,广泛应用于计算机视觉和图像处理领域。随着深度学习技术的不断发展,基于深度学习的图像全景拼接算法逐渐成为研究热点。本文将对基于深度学习的图像全景拼接算法进行综述,介绍不同算法的原理、优

    2024年01月19日
    浏览(25)
  • 浅谈无人机遥感图像拼接与处理方法

    遥感(RS-Remote Sensing)——不接触物体本身,用传感器收集目标物的电磁波信息,经处理、分析后,识别目标物,揭示其几何、物理性质和相互关系及其变化规律的现代科学技术。 换言之,即是“遥远的感知”,按传感器搭载平台划分,包括航天遥感、航空遥感、地面遥感。

    2024年02月16日
    浏览(35)
  • 计算机竞赛 - 基于机器视觉的图像拼接算法

    图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所以一个好的图像拼接算法非常重要。 再举一个身边的例子吧,你用你的手机对某一场景拍照,但是你没有办法一次将所有你

    2024年02月13日
    浏览(53)
  • ENVI实现最小距离法、最大似然法、支持向量机遥感图像监督分类与分类后处理操作

      本文介绍基于 ENVI 软件,实现 最小距离法 、 最大似然法 与 支持向量机 三种遥感图像 监督分类 方法的具体操作,同时进行 分类后处理 操作,并对不同分类方法结果加以对比分析。   我们先来看一下本文需要实现的需求。现有一景北京部分地区高分一号遥感影像数

    2024年02月05日
    浏览(47)
  • opencv实现抠图,图像拼接,图像融合

    在OpenCV中,你可以使用图像拼接、抠图和将图像的一部分放在另一张图片的指定位置。以下是示例代码,演示如何执行这些操作: 图像拼接 要将两张图像拼接在一起,你可以使用  cv::hconcat (水平拼接)和  cv::vconcat (垂直拼接)函数。下面是一个示例代码,演示如何水平

    2024年02月05日
    浏览(29)
  • 计算机视觉项目实战-基于特征点匹配的图像拼接

    😊😊😊 欢迎来到本博客 😊😊😊 本次博客内容将继续讲解关于OpenCV的相关知识 🎉 作者简介 : ⭐️⭐️⭐️ 目前计算机研究生在读。主要研究方向是人工智能和群智能算法方向。目前熟悉深度学习(keras、pytorch、yolo),python网页爬虫、机器学习、计算机视觉(OpenCV)、

    2024年02月02日
    浏览(35)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包