MATLAB 2016计算NDVI

MATLAB 2016计算NDVI

之前大二的一段MATLAB代码,突然找到,记录一下当时初学MATLAB的程序,用于读取TIFF计算归一化植被指数(NDVI)并将其保存为TIFF文件。

文章目录

读取波段数据

matlab 复制代码
[B4,R] = geotiffread('G:\data-2022\result_2_Red.tif');
[B5,R] = geotiffread('G:\data-2022\result_4_NIR.tif');

使用geotiffread函数分别读取两个GeoTIFF文件:result_2_Red.tif(红光波段,对应B4)和result_4_NIR.tif(近红外波段,对应B5)。每个波段数据被存储为一个二维数组(矩阵),有相同的地理参考信息R,包含图像的坐标系统、像素大小等空间属性。

初始化NDVI矩阵和转换数据类型

matlab 复制代码
NDVI = zeros(10715,13980,'single');
B4 = single(B4);
B5 = single(B5);

根据波段数据的维度(此处为10715行×13980列,当时提前看属性的,这里改为size函数更通用),用zeros函数创建一个同样大小的零矩阵NDVI,用于存储计算出的NDVI值,并指定数据类型为'single'(单精度浮点数)。接着,将读取到的波段数据B4B5转换为单精度浮点数类型。

计算NDVI

matlab 复制代码
for i = 1:10715
    for j =  1:13980
        if B4(i,j) == 0 || B5(i,j) ==0
            continue;
        end
        NDVI(i,j) = (B5(i,j)-B4(i,j))/(B5(i,j)+B4(i,j));
    end
end

使用两层循环遍历波段数据的每一个像素位置(i为行索引,j为列索引)。在计算NDVI时,检查B4B5是否为零,避免除以零。

获取参考图像信息并写入GeoTIFF文件

matlab 复制代码
info = geotiffinfo('G:\data-2022\result_2_Red.tif');
geotiffwrite('G:\data-2022\result_NDVI.tif', NDVI, R, 'GeoKeyDirectoryTag', info.GeoTIFFTags.GeoKeyDirectoryTag);

使用geotiffinfo函数读取result_2_Red.tif的元数据信息,并将其存储在结构体变量info中。然后,使用geotiffwrite函数将计算得到的NDVI矩阵写入新的GeoTIFF文件。

完整代码如下

matlab 复制代码
[B4,R] = geotiffread('G:\data-2022\result_2_Red.tif');
[B5,R] = geotiffread('G:\data-2022\result_4_NIR.tif');
NDVI = zeros(10715,13980,'single');
B4 = single(B4);
B5 = single(B5);
for i = 1:10715
    for j =  1:13980
        if B4(i,j) == 0 || B5(i,j) ==0
            continue;
        end
        NDVI(i,j) = (B5(i,j)-B4(i,j))/(B5(i,j)+B4(i,j));
    end
end
info = geotiffinfo('G:\data-2022\result_2_Red.tif');
geotiffwrite('G:\data-2022\result_NDVI.tif',NDVI,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag);

参考

Matlab语法

相关推荐
飞哥数智坊5 小时前
GPT-5-Codex 发布,Codex 正在取代 Claude
人工智能·ai编程
倔强青铜三5 小时前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试
虫无涯6 小时前
Dify Agent + AntV 实战:从 0 到 1 打造数据可视化解决方案
人工智能
Dm_dotnet8 小时前
公益站Agent Router注册送200刀额度竟然是真的
人工智能
算家计算8 小时前
7B参数拿下30个世界第一!Hunyuan-MT-7B本地部署教程:腾讯混元开源业界首个翻译集成模型
人工智能·开源
机器之心9 小时前
LLM开源2.0大洗牌:60个出局,39个上桌,AI Coding疯魔,TensorFlow已死
人工智能·openai
Juchecar10 小时前
交叉熵:深度学习中最常用的损失函数
人工智能
林木森ai10 小时前
爆款AI动物运动会视频,用Coze(扣子)一键搞定全流程(附保姆级拆解)
人工智能·aigc
聚客AI10 小时前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
BeerBear12 小时前
【保姆级教程-从0开始开发MCP服务器】一、MCP学习压根没有你想象得那么难!.md
人工智能·mcp