1.获取高光谱图像:我用的是indian_pines的数据集,感兴趣的兄弟可以自行去官方网下载,gt的那个是它的标签哦,别搞错了。
2.图像加载:
(1)从本地路径加载
python
import scipy.io as sio
# 文件路径
file_path = '你的本地路径'
# 使用scipy加载.mat文件
data = sio.loadmat(file_path)
# 提取高光谱图像数据
spectral_image = data['indian_pines']
(2)记得查看打印下你的数据集维度,print("数据集维度:", spectral_image.shape),后面有用到。
3.归一化处理:
归一化处理:将数据集的值缩放到一个特定的范围内的过程。在显示图像时,归一化处理可以使得图像的亮度和对比度更加均衡,以便更好地观察图像中的细节。
python
#数据集归一化处理
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('TkAgg')#将 Matplotlib 的后端设置为一个支持图像显示的后端
%matplotlib inline#将图像嵌入jupyter book中
# 对每个通道进行归一化
normalized_image = spectral_image / np.max(spectral_image)
# 将每个通道转换为灰度图像
gray_image = np.mean(normalized_image, axis=-1)
# 将灰度图像堆叠在一起来创建伪彩色图像
colorized_image = np.stack([gray_image] * 3, axis=-1)
# 显示图像
plt.imshow(colorized_image)
plt.axis('off')
plt.show()
4.图像增强:前面显示的图像太模糊了,我觉得很难受,给它弄增强了,就明显一些。
python
#图像增强
import cv2
# 将灰度图像转换为伪彩色图像
colorized_image = cv2.applyColorMap((gray_image * 255).astype(np.uint8), cv2.COLORMAP_JET)
# 显示图像
plt.imshow(colorized_image)
plt.axis('off')
plt.show()