最全可白嫖之高光谱图像数据处理（格式转换，数据增强，通道剪切，大小裁剪，光谱显示，折线图表示）-Toy模板网

这篇具有很好参考价值的文章主要介绍了最全可白嫖之高光谱图像数据处理（格式转换，数据增强，通道剪切，大小裁剪，光谱显示，折线图表示）。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。

完整代码下载地址：高光谱数据处理大礼包

（一）高光谱谱格式转换之rar转mat格式

网上的很多公开高光谱数据集（如cave,icvl等）下载下来是raw格式，而一般用神经网络等方法对高光谱数据进行分类、训练、超分辨的时候，大多使用.mat格式的高光谱数据，碍于网上一直没有一个系统全面的方法，于是我总结了以下方法，分为两步：
最全可白嫖之高光谱图像数据处理（格式转换，数据增强，通道剪切，大小裁剪，光谱显示，折线图表示）

1. 使用ENVI软件读取原格式的高光谱数据，选取需要的光谱通道，裁剪需要的像素区域，转化为.tiff格式保存

2. 使用MATLAB软件编写代码批量将.tiff格式数据转化为mat格式光谱数据

①RAW转tiff步骤：

导入高光谱图像

最全可白嫖之高光谱图像数据处理（格式转换，数据增强，通道剪切，大小裁剪，光谱显示，折线图表示）
选择感兴趣的波段和裁剪区域

保存为tiff格式

②tiff转mat步骤：

%% 读取文件夹里的所有tif文件转化成mat格式(452,25-643.27) 28个通道规格化到0-1之间的测试集
% path='C:\HIS-pre-deal\430-740粉末\New Folder'     %保存放tiff的文件路径
% A = dir(fullfile(path,'*.tif'));
% A = struct2cell(A);
% num = size(A)
% for i=1:num(2)
%         a=A((i-1)*6+1);
%         a=a{1};
%     deal = importdata(a);
%     for j=1:28
%       img(:,:,j)=deal(:,:,20+2*j);
%     end
%     img=single(img)/double(65536);
%     k='C:\HIS-pre-deal\430-740粉末\New Folder\';   %保存结果的文件路径
%     kk=num2str(i);
%     kkk='.mat';
%     kkkk=[k,kk,kkk];
% %     save(kkkk,'img')
%  end

最全可白嫖之高光谱图像数据处理（格式转换，数据增强，通道剪切，大小裁剪，光谱显示，折线图表示）

（二）两种方法把高光谱图像缩放到0-1的数据集

%% 把高光谱图像转变成0-1的数据集
% % %% 方法一：
%  img_expand = importdata('15.mat');
% % % img=im2double(img_expand);
% % % save('C:\Users\Desktop\test1.mat','img')


% % %% 方法二：
%  c=0;
%  for i=1:31   //通道数为31
%      b=max(max(squeeze(img_expand(:,:,i))));
%      c=max(b,c);
%  end
 %img_h = importdata('test6.mat');
% img=double(img)/double(65536);
% save('C:\Users\Desktop\test1.mat','img')

（三）高光谱数据预处理成规定大小和规格的数据集

%%  高光谱数据预处理成规定大小和规格的数据（660*660*12）   %%%%%%%%
% img_expand = importdata('scene148.mat');
% for i=1:12   //通道数
%     img(:,:,i)=img_expand(1:660,1:660,i);  //长宽
%     %imshow(img(:,:,i))
% end
% save('C:\Users\Desktop\test1.mat','img')

（四）高光谱数据增强

由于拍摄的高光谱数据总是有限的，而神经网络需要大量的数据样本来训练拟合，一种行而有效的方式就是数据增强。

①旋转

%% 读取路径下的所有mat文件，并左旋转90（角度自行修改，右旋类似）
% path='C:\HIS-pre-deal\'
% A = dir(fullfile(path,'*.mat'));
% A = struct2cell(A);
% num = size(A)
% for i=1:num(2)
%    a=A((i-1)*6+1);
%    a=a{1};
%    deal = importdata(a);
%    for j=1:28
%       dea=imrotate(squeeze(deal(:,:,j)),90);
%       img_hs(:,:,j)=reshape(dea,1,512,512);
%    end
%    kk=num2str(i);
%    k='C:\HIS-pre-deal\左旋转90\';
%    kkk='_左旋.mat';
%    kkkk=[k,kk,kkk];
%    save(kkkk,'img_hs')
% end

②缩放

%% 第一种缩放形式：对高光谱图像进行大小缩放,并保存到相应文件夹
% size=0.5; //缩放尺度
% for i=1:28
%     deal=img(:,:,i);
%     img_deal(:,:,i)=imresize(deal,size);
% %     subplot(4,7,i)
% %     imshow(deal)
% end
% img=0;
% img=img_deal;
% save('C:\HIS-pre-deal\Deal-img\scene010.mat','img')
%% 第二种缩放形式：剪切。
% img_hs = importdata('scene200.mat');
% for i=1:24
%     deal=img_hs(100:429,100:429,i);
%     deal=im2double(deal);
%       img(:,:,i)=deal;
% %      subplot(4,7,i)
% %      imshow(deal)
% end
% save('C:\HIS-pre-deal\Deal-img\660-1.mat','img')

（五）论文可用的光谱反射率等曲线对比图画法

%% 人物
% x=[455.65  462.49 469.33 476.17 483.02 489.9 496.78 503.65 510.55 517.45 524.36...
%      531.29 538.21 545.15 552.11 559.06 566.02 573.01 579.99 586.99 594.0 601.0 608.03 615.06 622.1 629.16 636.23 643.27];%x轴上的光谱波段值
%  a=[0.046328  %a数据y值
% 0.042890
% 0.049437
% 0.052339
% 0.055272
% 0.057959
% 0.061730
% 0.064379
% 0.069850
% 0.076214
% 0.089666
% 0.109428
% 0.134469
% 0.151328
% 0.155143
% 0.163445
% 0.160454
% 0.145173
% 0.134909
% 0.119050
% 0.107735
% 0.092402
% 0.078581
% 0.073911
% 0.068458
% 0.066618
% 0.064307
% 0.061029]; %b数据y值
%  b=[0.050210
% 0.048562
% 0.047848
% 0.048780
% 0.053608
% 0.054584
% 0.062421
% 0.066507
% 0.070665
% 0.082705
% 0.092355
% 0.112599
% 0.148814
% 0.160001
% 0.164293
% 0.159431
% 0.150049
% 0.139673
% 0.123176
% 0.113360
% 0.104669
% 0.093209
% 0.083308
% 0.078677
% 0.072299
% 0.070175
% 0.066874
% 0.067031];
%  c=[0.032769 %c数据y值
% 0.033612
% 0.033636
% 0.035964
% 0.039693
% 0.044313
% 0.052775
% 0.061756
% 0.073795
% 0.086206
% 0.102327
% 0.120271
% 0.134366
% 0.143251
% 0.146189
% 0.148024
% 0.140879
% 0.133600
% 0.123866
% 0.112065
% 0.106048
% 0.100711
% 0.092865
% 0.086199
% 0.081167
% 0.077816
% 0.073928
% 0.071923
% ];
%  d=[ 0.039684 %d数据y值
% 0.035936
% 0.039848
% 0.037460
% 0.037582
% 0.042013
% 0.048105
% 0.052788
% 0.059851
% 0.075452
% 0.085753
% 0.104524
% 0.117041
% 0.120392
% 0.119326
% 0.113422
% 0.105514
% 0.094912
% 0.085812
% 0.074321
% 0.067386
% 0.057413
% 0.050733
% 0.040744
% 0.041173
% 0.038101
% 0.035418
% 0.032557];
%  e=[ 0.063452  %e数据y值
%  0.065448 
%  0.066141 
%  0.065247 
%  0.067798 
%  0.072938 
%  0.078020 
%  0.080517 
%  0.084534 
%  0.091731 
%  0.101428 
%  0.109275 
%  0.117019 
%  0.120379 
%  0.117849 
%  0.111377 
%  0.099289 
%  0.085903 
%  0.078416 
%  0.073114 
%  0.068887 
%  0.063553 
%  0.059130 
%  0.057317 
%  0.059024 
%  0.055005 
%  0.057847 
%  0.058094 
% ];
%  f=[0.051219 %f数据y值
% 0.065892
% 0.055956
% 0.049184
% 0.063560
% 0.074998
% 0.060415
% 0.067667
% 0.058828
% 0.079587
% 0.068357
% 0.099085
% 0.098976
% 0.094208
% 0.092482
% 0.093320
% 0.103216
% 0.086699
% 0.078904
% 0.062498
% 0.070742
% 0.068190
% 0.080951
% 0.067120
% 0.067791
% 0.062038
% 0.071721
% 0.071092
% ];
%  g=[0.046503%g数据y值
% 0.054286
% 0.039724
% 0.045279
% 0.055584
% 0.064824
% 0.052188
% 0.051663
% 0.045794
% 0.076992
% 0.065128
% 0.090259
% 0.093017
% 0.084527
% 0.091849
% 0.093118
% 0.110003
% 0.101593
% 0.099130
% 0.087800
% 0.094021
% 0.102329
% 0.105936
% 0.092304
% 0.094816
% 0.089412
% 0.099360
% 0.091986];
%  %  plot(x,a,'-*b',x,b,'-or'); %线性，颜色，标记
% plot(x,a,'-or','LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor','red','MarkerFaceColor','red');
% hold on;
% plot(x,b,'-ob','LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor',[0 0.6 1],'MarkerFaceColor',[0 0.6 1]);
% hold on;
% plot(x,c,'--og','LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor','green','MarkerFaceColor','green');
% hold on;
% plot(x,d,'--o','Color',[1 .5 0],'LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor',[1 .5 0],'MarkerFaceColor',[1 .5 0]);
% hold on;
% plot(x,e,'--oc','LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor','cyan','MarkerFaceColor','cyan');
% hold on;
% plot(x,f,'--om','LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor','magenta','MarkerFaceColor','magenta');
% hold on;
% plot(x,g,'--oy','LineWidth',1.5,'MarkerSize',3,'MarkerEdgeColor','yellow','MarkerFaceColor','yellow');
% hold off;
% axis([450,650,0,0.18])  %确定x轴与y轴框图大小
% set(gca,'XTick',[450:50:650]) %x轴范围1-6，间隔1
% set(gca,'YTick',[0:0.04:0.18]) %y轴范围0-700，间隔100
% legend('Truth','Ours','TSA','λ-net','HSSP','DCSI','TwIST');   %右上角标注
% xlabel('Wavelength(nm)')  %x轴坐标描述
% ylabel('Intensity') %y轴坐标描述

最全可白嫖之高光谱图像数据处理（格式转换，数据增强，通道剪切，大小裁剪，光谱显示，折线图表示）文章来源地址https://www.toymoban.com/news/detail-447012.html

（六）高光谱图像拼接组合

（七）高光谱图像快照式模拟编码

（八）高光谱图像分波段显示

（九）mat转tiff格式

%% 将mat格式的文件转化为tif格式
% InputMatFileName='D:'
% OutputTifFilename='D'
% load(InputMatFileName);
% InputMatImg=double(res);
% t = Tiff(OutputTifFilename,'w');
% if size(InputMatImg,3) == 3
%     t.setTag('Photometric',Tiff.Photometric.RGB);
% else
%     t.setTag('Photometric',Tiff.Photometric.MinIsBlack);%颜色空间解释方式
% end
% t.setTag('Compression',Tiff.Compression.None);%无压缩
% t.setTag('BitsPerSample',64);% 由于输入.mat为double类型，所以选择了64位
% t.setTag('SamplesPerPixel',size(InputMatImg,3));% 每个像素的波段数目
% t.setTag('SampleFormat',Tiff.SampleFormat.IEEEFP);% 配合BitsPerSample64位double类型，选择IEEEFP来对应
% t.setTag('ImageLength',size(InputMatImg,1));% 影像宽度
% t.setTag('ImageWidth',size(InputMatImg,2));% 影像高度
% t.setTag('PlanarConfiguration',Tiff.PlanarConfiguration.Chunky);%平面配置选择集中式
% t.write(InputMatImg);% 准备好了头文件，开始写影像数据
% t.close();% 关闭影像