高光谱数据处理工具软件使用手册

ENVI基本影像处理流程操作ENVI（Environment for Visualizing Images）是一款基于科研的遥感数据处理软件，该软件可以进行多光谱、高光谱和雷达影像的处理、分析以及可视化等操作。

本文将介绍ENVI基本影像处理流程的操作步骤，并提供一些实用技巧。

1. ENVI软件的安装ENVI软件的安装包可以通过官方网站下载，安装过程需要注意以下几点：•系统要求：ENVI软件需要安装在一台配备了Windows操作系统的计算机上。

安装前请确认您的计算机符合软件的系统要求。

•授权方式：ENVI采用了USB加密狗的授权方式，安装时需要连入加密狗。

•安装路径：ENVI软件的安装路径需要选择到英文全路径，建议安装在较大的磁盘上。

2. ENVI软件的启动ENVI软件具有图形界面和命令行两种启动方式，这里只介绍图形界面启动方式。

操作步骤如下：1.在Windows桌面上找到ENVI的快捷方式，鼠标双击打开ENVI软件；2.程序启动后，会出现ENVI Main窗口，该窗口分为菜单栏和工具栏两部分；3.在菜单栏中选择基本操作>打开文件，弹出Open File窗口；4.选择需要打开的影像文件，点击打开按钮，ENVI软件会自动加载文件。

3. ENVI基本影像处理流程ENVI软件提供了多种基本影像处理流程，这里将介绍最常用的三种：图像增强、变换和分类。

下面的操作步骤均在ENVI软件的主界面中完成。

3.1 图像增强图像增强是指通过某些方法，使影像的细节更明显、对比度更强、噪声更小，从而使影像更易于解译。

下面介绍ENVI中的直方图均衡化增强方式。

1.打开需要增强的影像文件；2.在ENVI菜单栏中选择基本操作>图像增强>直方图均衡化；3.弹出直方图均衡化窗口，选择需要增强的波段，点击确定按钮；4.ENVI软件会自动完成直方图均衡化操作，并在新窗口中显示增强后的影像。

3.2 变换变换是指将原始影像进行变换，获得不同的波段组合，以便更好地提取地物信息。

ENVI基础功能教程ENVI（Environment for Visualizing Images）是一款功能强大的遥感图像处理和分析软件。

它是由Exelis Visual Information Solutions 开发的，用于处理、分析和可视化各种遥感数据的工具。

本文将介绍ENVI的基础功能，并提供相应教程。

1.数据导入和显示ENVI可以导入多种遥感数据，包括多光谱、高光谱、雷达和激光雷达数据等。

用户可以选择打开单个文件或者批量导入数据集。

导入后，ENVI会将数据以图像形式显示在界面上。

教程：a.在ENVI中选择“文件”->“打开”来导入遥感图像。

b.选择要导入的图像文件，并点击“打开”按钮。

c.ENVI会将图像加载到显示窗口中。

2.图像增强ENVI提供了多种图像增强工具，用于改善图像质量和可视化效果。

这些工具包括亮度调整、对比度增强、直方图均衡化等。

教程：a.选择“处理”->“亮度/对比度调整”来打开亮度和对比度调整对话框。

b.在对话框中调整亮度和对比度滑块，直到达到理想的效果。

c.点击“应用”按钮来应用调整。

3.波段操作ENVI允许对图像的不同波段进行操作，包括波段合成、波段提取和波段重映射等。

这些功能有助于提取和分析图像中的特定信息。

教程：a.选择“处理”->“波段操作”来打开波段操作对话框。

b.在对话框中选择要进行的操作，如波段合成或波段提取。

c.根据对话框中的提示设置参数，并点击“应用”按钮来进行操作。

4.目标检测和分类ENVI提供了多种目标检测和分类算法，用于自动提取地物信息。

用户可以将图像分割成不同的类别，并根据需要进行后续分析。

教程：a.选择“分类”->“目标检测和分类”来打开目标检测和分类对话框。

b.选择合适的检测和分类算法，并设置参数。

c.点击“开始”按钮来进行目标检测和分类。

5.地形分析ENVI具有地形分析功能，可以对地表高程数据进行分析和可视化。

高光谱数据分析ENVI操作手册1.常见参数选择主菜单→File→Preferences●用户自定义文件（User Defined Files）图形颜色文件，颜色表文件，ENVI的菜单文件，地图投影文件等。

需重启ENVI ●默认文件目录(Default Directories)默认数据目录，临时文件目录，默认输出文件目录，ENVI补丁文件、光谱库文件、备用头文件目录等，需重启ENVI。

●显示设置(Display Default)可以设置三窗口中各个分窗口的显示大小，窗口显示式样等。

其中可以设置数据显示拉伸方式（Display Default Stretch），默认为2%线性拉伸。

●其他设置(Miscollaneous)制图单位（Page Unit），默认为英寸（Inches），可设置为厘米（Centimeters）还有缓冲大小（cache size），可以设置为物理内存的50-75%左右。

Image Tile Size不能超过4M。

2.显示图像及其波谱2.1.打开文件●主菜单，Open Image File→文件名.raw。

●或Window→Available Bands List→File →Open Image File→文件名.raw。

2.2.显示图像●显示单波段灰度级图像：Gray color,选择的波段一般是图像显示最清晰的波段。

●显示伪彩色图像：RGB color，选择具有明显吸收谷、强烈反射作用和所含信息量较大的波段作为彩色合成RGB波段。

●显示真彩色图像：波段列表（Available Bands List）中，右键→Load TrueColor 。

●图像保存：Display窗口，File→Save Image As→Image File，选择输出格式、路径和名称，OK。

●动画显示：Display窗口，Tools→Animation，动态显示各波段图像，能很快的分辨出包含信息量较多的波段。

ENVI高光谱数据处理流程一、显示图像波谱1.打开文件：主菜单中，File→Open Image File→文件名.raw或者Window→Available Bands List→File →Open Image File→文件。

2.显示真彩色图像：波段列表（Available Bands Lis）中，右键→Load TrueColor。

3.*设置像素大小：主窗口（Display）中，右键→Pixel Locator。

4.绘制波谱：主窗口中，右键→Z Profile（Spectrum）。

5.收集任意点波谱：Spectral Profile中，Options→Collect Spectra，点击图像任6.光谱平滑：Spectral Profile中，Options→Set Z Profile Avg Window，将window7.部分光谱：主菜单→Basic Tools→Resize Data(Spatial/Spectral)→Spectral Subset，选择需要的光谱波段。

生成新的文件，右键→Load True Color to<new>。

显示新图像。

8.关闭所有文件：File→Close All Files。

二、标准波谱库主菜单→Spectral→Spectral Libraries→Spectral Library Viewer→安装文件夹下，ITT\IDL\IDL80\products\envi48\spec_lib。

共有usgs_min、veg _lib、jpl_lib、jhu_lib四个标准波谱库。

在Spectral Library Viewer中，单击波谱名称，自动显示波谱。

三、自定义波谱库1.输入波长范围：在菜单中，Spectral Spectral Library→Spectral Library Builder2.波谱收集：以从影像数据中收集波谱为例：a)打开高光谱图像，收集任意点波谱。

专题二十四 使用ENVI的高光谱工具处理多光谱数据(节选)1.1.专题概述本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。

要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。

要获取额外的详细信息，请参见《ENVI遥感影像处理实用手册》（ENVI User’s Guide）或者ENVI的在线帮助。

♦本专题中使用的文件光盘：《ENVI遥感影像处理专题与实践》附带光盘 #1♦背景知识ENVI并非仅设计成高光谱影像处理系统。

在1992年，ENVI的开发者就决定开发出一个通用的影像处理软件，它包含一整套的基本处理工具，弥补了商业软件缺乏强大灵活处理功能的不足，使得它能够处理各种科学格式的影像数据。

它对全色、多光谱、高光谱以及基本和改进雷达影像数据都提供了支持。

当前，ENVI包含了与其它主要影像处理系统（例如：ERDAS，ERMapper和PCI）相同的基本处理功能。

其中，ENVI在前沿遥感研究中采用了许多不同的先进算法。

虽然这些算法都是在处理成像光谱仪数据或者多达上百个波谱波段的高光谱数据基础之上发展而来，但是它们也可以应用到多光谱数据和其它标准数据类型的处理上。

本专题将对某些分析Landsat Thematic Mapper（TM）数据的方法进行介绍。

本专题分为两个独立的部分：1）使用标准或者经典多光谱分析技术，对TM影像数据进行典型的多光谱分析，2）使用ENVI高光谱工具对相同的数据集进行分析。

1.2.使用ENVI的高光谱工具分析多光谱数据♦读取TM影像数据z要从磁带中读取数据，可以在ENVI主菜单中选择File → Tape Utilities → Read Known Tape Formats → Landsat TM（或者对于新的EDC-格式的磁带选择NLAPS）。

z要从光盘中读取数据，可以选择File →Open External File → Landsat → Fast，或者选择File → Open External File → Landsat → NLAPS（对于NLAPS数据）。

光譜影像分析軟體操作1. 載入檔案, 副檔名為 raw. 載入後檔案路徑會顯示在Path內.
2. 選取多點資料, 先選擇ROI的工具. 然後在有興趣的位置按下滑鼠左鍵, 要再新增時先按下Ctrl 鍵再按滑鼠左鍵即可. 在右下角的畫面則會出現光譜的波形.
3. 改變其他波長的影像可移動Profile上的RGB直線或是直接改變波長數值然後按SET鍵.
4. 顯示單色影像先將選項改為Mono然後按下SET. 顯示不同波長影像可直接輸入波長或是移動紅色游標後按SET.
5. 若要讓光譜波形較平滑可先選擇Analyzer改變Smoothing 的值在點選要觀察的位置.
6. 資料輸出請先選擇Report Setting 然後選擇要輸出的項目, 選擇Mono Image 中的Export 需要輸入波長. 想連同光譜輸出請先選擇特定點.。

ENVI高光谱数据处理流程ENVI（Environment for Visualizing Images）是一款功能强大的遥感数据处理软件，用于高光谱数据的处理和分析。

它提供了许多功能模块，可以进行数据导入、预处理、特征提取、分类和可视化等操作。

下面是ENVI高光谱数据处理流程的详细介绍。

1.数据导入首先，我们需要将高光谱数据导入ENVI软件。

ENVI支持导入多种高光谱数据格式，如Hyperion、AVIRIS等。

可以通过ENVI的文件菜单选择导入数据或者使用ENVI API导入数据。

2.数据预处理在数据导入之后，我们需要对高光谱数据进行预处理，以减少噪声和增强图像的质量。

ENVI提供了多种数据预处理方法，包括大气校正、大气校正和去除噪声。

可以根据数据的需求选择适当的预处理方法。

3.特征提取特征提取是高光谱数据分析的关键步骤。

在这一步骤中，我们可以利用ENVI提供的各种特征提取算法来提取数据中的有用信息。

ENVI提供了许多特征提取算法，包括主成分分析（PCA）、线性判别分析（LDA）、最大似然分类（MLC）等。

4.分类分类是高光谱数据处理的一个重要环节。

ENVI提供了多种分类算法，用于将数据分成不同的类别。

可以使用ENVI的分类工具对特征提取后的数据进行分类，根据分类结果进行应用。

5.可视化可视化是高光谱数据处理的最后一步。

ENVI提供了丰富的可视化工具，可以对数据进行可视化和可视化分析。

可以通过ENVI的图像菜单选择适当的可视化工具，并根据需要生成图像。

以上是ENVI高光谱数据处理的基本流程。

当然，根据具体的应用和需求，还可以根据需要选择其他的处理方法和工具。

此外，ENVI还支持自定义算法和脚本编程，以满足更高级的数据处理需求。

总结起来，ENVI高光谱数据处理流程包括数据导入、数据预处理、特征提取、分类和可视化等步骤。

通过这些步骤，我们可以对高光谱数据进行全面的处理和分析，从而获取有用的信息并进行进一步的应用。

ENVI高光谱分析ENVI高光谱分析是一种用于图像处理和数据分析的软件平台，主要用于处理和分析在大气、地球表面和水体等领域获取的高光谱数据。

高光谱数据是指在较窄波段范围内获取的光谱信息，通常包含数百个波段。

ENVI高光谱分析利用这些波段信息，可以提供更详细、更精确的数据结果，有助于理解地球表面的复杂变化和环境过程。

1.数据预处理：ENVI高光谱分析可以对高光谱数据进行预处理，包括大气校正、辐射校正、几何纠正等。

这些预处理步骤可以消除由于大气、仪器和环境等因素引起的杂乱噪声，并提高数据的质量和可靠性。

2.特征提取：ENVI高光谱分析可以通过使用不同的数学和统计算法，从高光谱数据中提取目标的特征信息。

这些特征可以用于分类、目标检测、遥感变化检测等应用。

3.数据可视化：ENVI高光谱分析可将高光谱数据以多种方式进行可视化，包括光谱曲线、散点图、等高线、伪彩色图等。

这些可视化方法有助于用户直观地理解数据的内在规律和潜在关系。

4.数学建模和分析：ENVI高光谱分析提供了多种数学建模和分析工具，包括主成分分析、线性回归、非线性回归、聚类分析等。

这些工具可以帮助用户识别数据中的模式和趋势，从而进行进一步的数据分析和解释。

5.地物分类：ENVI高光谱分析可进行高光谱图像的地物分类，包括监督分类和非监督分类。

监督分类需要用户提供一些参考样本，用于训练分类器；非监督分类则通过统计分析和像元聚类等方法，自动划分不同地物类型。

6.数据挖掘：ENVI高光谱分析可以挖掘高光谱数据中的隐藏信息和趋势，帮助用户发现新的知识和洞见。

数据挖掘算法包括关联规则挖掘、聚类分析、分类分析等。

ENVI高光谱分析在许多领域具有广泛的应用，包括地球科学、环境监测、农业、气象、地质勘探等。

例如，在农业领域，ENVI高光谱分析可以帮助农民分析土壤和植被的光谱特征，以优化施肥、灌溉和作物管理等决策。

在环境监测领域，ENVI高光谱分析可以检测和监测大气污染、水体污染、土壤侵蚀等环境问题。

Package‘andurinha’October12,2022Type PackageTitle Make Spectroscopic Data Processing EasierVersion0.0.2Description The goal of'andurinha'is provide a fast and friendly way to process spectroscopic data.It is intended for processing several spectra ofsamples with similar composition(tens to hundreds of spectra).It compilesspectroscopy datafiles,produces standardized and second derivative spectra,finds peaks and allows to select the most significant ones based on the second derivative/absorbance sum spectrum.It also provides functions for graphicevaluation of the outputs.Depends R(>=3.5.0)License GPL-2|file LICENSEURL https:///noemiallefs/andurinhaBugReports https:///noemiallefs/andurinha/issues Encoding UTF-8LazyData trueImports signal,tidyr,ggplot2,cowplot,rlang,utils,plyrSuggests extrafont,dplyr,knitr,rmarkdown,testthat,MASSRoxygenNote7.1.1VignetteBuilder knitrNeedsCompilation noAuthor Noemi Alvarez Fernandez[aut,cre](<https:///0000-0003-2690-4051>),Antonio Martinez Cortizas[aut](<https:///0000-0003-0430-5760>)Maintainer Noemi Alvarez Fernandez<*********************>Repository CRANDate/Publication2020-08-1308:40:02UTC12andurinhaData R topics documented:andurinha (2)andurinhaData (2)findPeaks (3)gOverview (4)importSpectra (5)plotPeaks (6)Index8 andurinha andurinha:Tools to make spectroscopic data processing easierDescriptionThis package contains a set of functions that makes spectroscopic data processing easier and faster.It is intended for processing several spectra(tens to hundreds)of samples with similar composi-tion.It compiles spectroscopy datafiles,produces standardised and second derivative spectra,finds peaks and allows to select the most significant ones based on the second derivative/absorbance sum spectrum.It also provides functions for graphic evaluation of the outputs.andurinha functions1.importSpectra:in case you have your spectra in separatedfiles(.csv)this function importsand bind them in a single data frame.2.findPeaks:finds peaks and allows to select the most relevant based on the second derivativesum spectrum.erview:generates a graphic overview of the spectroscopic data.4.plotPeaks:makes a graphic representation of the peaks over the second derivative/absorbancesum spectrum.andurinhaData Andurinha data setDescriptionA collection of FTIR-ATR mid-infrared spectra of peat samples with increasing degree of peathumification.UsageandurinhaDatafindPeaks3FormatA data frame with1736observations of3peat samples.•WN:wave numbers of the spectra.•A-C:absorbances of a FTIR spectra of three peat samples.SourceEcoPast research group,Universidade de Santiago de Compostela(Spain)https://ecopast.es See AlsoimportSpectra,findPeaks,plotPeaks and gOverviewfindPeaksfindPeaksDescriptionThis functionfinds peaks and allows to the most relevant based on the second derivative/absorbance sum spectrum.UsagefindPeaks(data,resolution=4,minAbs=0.1,cutOff=NULL,scale=TRUE,ndd=TRUE)Argumentsdata A data frame object,which contains in thefirst column the wave numbers and in the following columns the samples absorbances.resolution The equipment measurement resolution;by default4cm-1.minAbs The cut off value to check spectra quality;by default0.1.cutOff The second derivative/absorbance sum spectrum cut off to reduce the raw peaks table;by default NULL.scale By default(TRUE)the data is scaled by e FALSE in case you do not want to scale it.ndd By default(TRUE)the peaks are searched based on the second derivative sum e FALSE in case you want to search them based on the absorbancesum spectrum.4gOverview ValueA list with a collection of data frames which contains:1.dataZ:the standardised data by Z-scores.2.secondDerivative:the second derivative values of the data.3.sumSpectrum_peaksTable:the peaks wave numbers and their second derivative/absorbancesum spectrum values.4.peaksTable:the selected peaks wave numbers and their absorbance for each spectrum.See AlsoimportSpectra,gOverview and plotPeaksExamples#Find Peaks based on the absorbance sum spectrumfp.abs<-findPeaks(andurinhaData,ndd=FALSE)#See the peaks table of the absorbance sum spectrumfp.abs$sumSpectrum_peaksTable#Find Peaks based on the second derivative sum spectrumfp.ndd<-findPeaks(andurinhaData)#See the peaks table of the second derivative sum spectrumfp.ndd$sumSpectrum_peaksTable#Select a cutOff to reduce the number of peaks in the table#(i.e.select the most relevant)#fp.ndd$sumSpectrum_peaksTable%>%#arrange(desc(sumSpectrum))#Run findPeaks()with the new cutOfffp.ndd2<-findPeaks(andurinhaData,cutOff=0.25)gOverview gOverviewDescriptionThis function generates a graphic overview of the spectroscopic data.UsagegOverview(data_abs,data_ndd,fontFamily=NULL)importSpectra5 Argumentsdata_abs A data frame,which contains in thefirst column the wave numbers and in the following columns the samples absorbances.data_ndd A data frame,which contains in thefirst column the wave numbers and in the following columns the samples second derivative values.fontFamily The desired graphic font family.ValueIf data_ndd is provided:It returns a grid with three plots:•The ensemble of all samples spectra.•The ensemble of the second derivative spectra of all samples.•The average and standard deviation spectra.If data_ndd is omitted:It returns a grid with two plots:•The ensemble of all samples spectra.•The average and standard deviation spectra.See AlsoimportSpectra,findPeaks and plotPeaksExamples#Grapic overview of your raw datagOverview(andurinhaData)#Graphic overview of your processed data by findPeaks()fp<-findPeaks(andurinhaData)gOverview(fp$dataZ,fp$secondDerivative)importSpectra importSpectraDescriptionIn case you have your spectra in separatedfiles(.csv)this function imports and binds them in a single data frame.Thefiles directory must contain only the samplesfiles.UsageimportSpectra(path,sep=";")Argumentspath A character vector with the full path to the data directory;by default corresponds to the working directory,getwd.sep Thefield separator character;by default sep=";".ValueA data frame with the structure:•First column(WN):wave numbers of the spectra.•1-n:samples spectra(the column names correspond to thefiles names).See AlsofindPeaks,gOverview and plotPeaksExamples#Create an empty directory#Now create some spectra separate filesA<-andurinhaData[,1:2]B<-andurinhaData[,c(1,3)]C<-andurinhaData[,c(1,4)]MASS::write.matrix(A,file=tempfile(pattern="A.csv"),sep=";")MASS::write.matrix(A,file=tempfile(pattern="B.csv"),sep=";")MASS::write.matrix(A,file=tempfile(pattern="C.csv"),sep=";")#TryimportSpectra(path=paste0(tempdir(),"/"),";")plotPeaks plotPeaksDescriptionThis function makes a graphic representation of the peaks over the second derivative and/or ab-sorbance sum spectra.UsageplotPeaks(peaksWN,data_abs,data_ndd,fontFamily=NULL)ArgumentspeaksWN A vector with the peaks wave numbers.data_abs A data frame,which contains in thefirst column the wave numbers and in the following columns the samples absorbances.data_ndd A data frame,which contains in thefirst column the wave numbers and in the following columns the samples second derivative values.fontFamily The desired graphic font family.See AlsoimportSpectra,findPeaks and gOverviewExamples#Plot the peaks found by findPeaks()#1.Based on absorbance sum spectrumfp.abs<-findPeaks(andurinhaData,ndd=FALSE)plotPeaks(fp.abs[[3]]$WN,fp.abs$dataZ)#2.Based on second derivative spectrumfp.ndd<-findPeaks(andurinhaData,cutOff=0.25)plotPeaks(fp.ndd[[4]]$WN,fp.ndd$dataZ,fp.ndd$secondDerivative)Index∗datasetsandurinhaData,2andurinha,2andurinhaData,2findPeaks,2,3,3,5–7getwd,6gOverview,2–4,4,6,7importSpectra,2–5,5,7plotPeaks,2–6,68。