python学习——对无人机影像有RGB转换到HSV

问题描述

最近需要对无人机影像中绿色植被信息进行提取，查看相关论文，发现用的比较多的就是HSV色彩转换方法，动手实践一下。

解决思路

HSV转换直方图确定阈值掩膜提取

解决过程

HSV转换

python 复制代码

import os
import numpy as np
from osgeo import gdal
'''
本代码实现将RGB波段的无人机影像转换到HSV色彩空间。
注意无人机影像波段顺序为R,G,B
'''
def RGB2HSV(file):

    src = gdal.Open(file)
    col = src.RasterXSize
    row = src.RasterYSize
    _ = 3
    red = np.array(src.GetRasterBand(1).ReadAsArray().astype(float))
    green = np.array(src.GetRasterBand(2).ReadAsArray().astype(float))
    blue = np.array(src.GetRasterBand(3).ReadAsArray().astype(float))
    arr = np.stack((red, green, blue), axis=2)
    dst = np.zeros((row, col, 3), dtype=np.float32)
    for i in range(row):
        for j in range(col):
            r, g, b = arr[i, j] / 255.0
            minn = np.min([r, g, b])
            maxx = np.max([r, g, b])
            dst[i, j, 2] = maxx  # V
            delta = maxx - minn
            h, s = 0, 0
            if maxx != 0:
                s = delta / maxx
            if r == maxx:
                h = (g - b) / delta
            elif g == maxx:
                h = 2 + (b - r) / delta
            else:
                h = 4 + (r - g) / delta
            h *= 60
            if h < 0:
                h += 360
            dst[i, j, 0] = h
            dst[i, j, 1] = s
    print('开始输出')
    out_name = 'hsv.tif'
    out_ds = gdal.GetDriverByName('GTiff').Create(out_name, col, row, 3, gdal.GDT_Float32)
    for i in range(3):
        # data = out_ds.GetRasterBand(i+1).ReadAsArray()
        band = out_ds.GetRasterBand(i+1).WriteArray(dst[:,:,i])
        del band

    out_ds.SetProjection(src.GetProjection())
    out_ds.SetGeoTransform(src.GetGeoTransform())
    out_ds.FlushCache()
    return out_ds

file = r'G:\temp\forestVFC\标注影像\ZJM_ZLHF_2308221.dat'

# Convert to HSV
dst = RGB2HSV(file)

直方图查看

原结果如下：

HSV结果如下所示：

查看HSV结果波段1的直方图

我这里的需求是分为植被和非植被，查看直方图中第一个波谷的折点即为植被和非植被区域阈值，也就是下图中的28.1115

掩膜提取

在ENVI------bandmath中使用下面这个公式对原始结果进行掩膜即可得到绿色植被区域的影像。

IDL 复制代码

(float(b1) ge 28.0 ) * float(b2)
# b1 为HSV影像的波段1，b2为原始无人机影像

参考：

https://blog.csdn.net/u012294613/article/details/141096007