下载文档原格式
遥感影像预处理实验报告实验目的：掌握遥感图像几何校正的基本方法和步骤;掌握图像拼接的原理，以及两幅图像拼接的时候需要的条件，掌握拼接技术；学习通过ERDAS进行遥感图像规则分幅裁剪，不规则分幅裁剪的实验过程，能够对一幅大的遥感图像按照要求裁剪图像；·掌握不同分辨率图像的特性，详细理解各种融合方法的原理，以及各种融合方法的优缺点，能够根据不同的应用目的合理选择融合方法，掌握融合的操作过程。
实验内容：在ERDAS软件中图像预处理模块下的图像几何校正在ERDAS软件中图像预处理模块下的图像拼接，裁剪在ERDAS软件中Interpreter模块下的图像融合实验方法和步骤：1．显示图像：在ERDAS图标面板中点击Viewer图表两次，ERDAS图表面板菜单条：Session→Title Viewers，将两个菜单平铺。
如图1-1图1-1在Viewer1中打开需要校正的Landsat图像：tmAtlanta.img在Viewer2中打开作为地理参考的校正过的SPOT图像：panAtlanta.img图1-22：启动几何校正模块（Geometric Correction Tool）Viewer1菜单条：Raster→Geometric Correction→打开Set Geometric Model对话框（2）→选择多项式几何校正模型：Polynomial→OK，如图1-3图1-3在Polynomial Model Properties对话框中，定义多项式模型参数以及投影参数：→定义多项式次方（Polynomial Order）:2→定义投影参数：（PROJECTION）:略→Apply→Close图1-43.在GCP Tool Referense Setup对话框（图3-5）中选择采点模式：→选择视窗采点模式：Existing Viewer→OK，如图1-5图1-5打开Viewer Selection Instructions指示器（图1-6）图1-6在显示作为地理参考图像panAtlanta.img的Viewer2中点击左键→打开reference Map Information 提示框（图1-7）；→OK图1-7→此时，整个屏幕将自动变化为如图1-8所示的状态，表明控制点工具被启动，进入控制点采点状态。
遥感影像处理技术方案一、引言遥感技术已广泛应用于农业、环境监测、城市规划、交通管理等领域。
遥感影像处理是遥感技术应用的重要环节，通过对遥感影像的预处理、增强、特征提取等操作，实现目标识别、分类、定位等功能。
本文将详细论述遥感影像处理的流程与方法，为相关应用领域提供技术支持和参考。
二、遥感影像预处理遥感影像预处理是后续处理的基础，主要包括辐射定标、大气校正、几何校正等步骤。
1.辐射定标辐射定标是通过对传感器测量到的辐射强度进行标定，将原始影像转换为绝对辐射值。
辐射定标系数是关键参数，可通过传感器制造商提供的校准文件获取。
通过辐射定标，可消除传感器非线性响应的影响，提高影像的准确性。
2.大气校正大气校正主要是消除大气散射、吸收等因素对遥感影像的影响，还原地物真实反射强度。
常见的校正方法有经验模型法、物理模型法等。
经验模型法基于已知的地物反射率，根据实际天气情况进行校正；物理模型法根据大气散射原理，建立大气层与地面反射的数学模型，对影像进行校正。
3.几何校正几何校正主要是消除遥感影像的几何变形，包括平移、旋转、缩放等。
几何校正需要选取一定数量的地面控制点，通过校正公式对整个影像进行校正。
常用的方法有直接线性变换、多项式变换等。
几何校正可提高影像的定位精度，为后续的目标识别、分类等操作提供准确的基础数据。
三、遥感影像增强遥感影像增强旨在提高影像的对比度、清晰度等，以便更好地识别和提取目标信息。
常见的增强方法包括对比度增强、空间滤波、频率域滤波等。
1.对比度增强对比度增强通过拉伸像素强度分布范围，提高影像的对比度。
常见的对比度增强方法有直方图均衡化、反锐化掩膜等。
直方图均衡化通过对像素强度分布进行均衡化处理，提高影像的对比度；反锐化掩膜通过增强高频信息，提高影像的细节表现。
2.空间滤波空间滤波通过在空间域对影像进行平滑或锐化处理，去除噪声或增强边缘信息。
常见的空间滤波方法有均值滤波、中值滤波、高斯滤波等。
遥感图像处理的基本步骤与技巧遥感技术是指利用航天器、飞机、卫星等高空平台获得的遥感图像进行信息提取和数据分析的过程。
随着科技的不断进步和应用范围的扩大，遥感图像处理已经成为许多领域中的重要工具。
本文将介绍遥感图像处理的基本步骤与技巧，以帮助读者更好地理解和应用这一技术。
一、图像预处理遥感图像预处理是遥感图像处理的第一步，旨在通过去除噪声、辐射校正和几何校正等处理，使图像质量更高，方便后续处理。
其中，去除噪声主要是采用滤波算法，如中值滤波、均值滤波等。
辐射校正主要用于将图像的辐射能量转换为表观反射率，以消除云、阴影等因素的影响。
几何校正是通过对图像进行几何变换，将其与地理坐标系统对齐，以便于后续的地理信息提取。
二、特征提取特征提取是遥感图像处理的核心环节，目的是从遥感图像中提取出具有代表性和区分度的特征信息。
常用的特征包括光谱特征、纹理特征、形状特征等。
光谱特征是指根据图像像素的光谱反射率或辐射能量，提取出不同波段的特征。
纹理特征是指从图像中提取出地物的纹理信息，包括纹理方向、纹理密度等。
形状特征是指从图像中提取出地物的形状信息，包括面积、周长等。
三、分类与识别分类与识别是遥感图像处理中的重要任务，目的是将地物按照其属性进行分类和识别。
常见的分类方法包括监督分类和无监督分类。
监督分类是指根据已知的样本类别信息，通过训练分类器将图像中的地物分到不同的类别中。
无监督分类是指根据图像像素之间的相似性将其分为一定数量的类别。
分类结果可以用于制作地图、监测资源变化等。
四、变化检测变化检测是遥感图像处理中的一项重要任务，主要应用于监测和分析地表物体的变化。
遥感图像在不同时间获取的变化信息可以帮助我们了解自然和人类活动对地表的影响。
常见的变化检测方法包括像素级变化检测和对象级变化检测。
像素级变化检测是指比较两幅图像对应像素之间的差异，以确定变化的位置和类型。
对象级变化检测是指先将图像分割成不同的对象，然后比较不同时间获取的对象之间的差异。
测绘技术使用教程之遥感影像处理与解译方法遥感影像处理与解译方法是现代测绘技术中不可或缺的重要环节。
通过遥感影像的获取、处理和解译，我们可以获取大量的地理信息，从而为各类应用提供有效的支持。
本文将为大家介绍遥感影像处理与解译的一些基本方法和技巧。
一、遥感影像的获取遥感影像的获取是整个遥感技术的第一步，也是最关键的一步。
目前常用的遥感影像获取方式主要有航空摄影和卫星遥感。
航空摄影是通过载人或无人机进行空中拍摄，可以获取高分辨率、高精度的影像数据；而卫星遥感则是利用卫星对地表进行全球观测，可以获取大范围的影像数据。
根据实际需求和应用场景的不同，可以选择适合的遥感影像获取方式。
二、遥感影像的预处理在进行遥感影像的解译之前，需要对原始影像进行一系列的预处理操作，以提高影像质量和减少干扰。
常用的遥感影像预处理操作包括辐射校正、大气校正、几何校正、噪声去除等。
辐射校正是将原始影像的数字值转换为地表反射率，以消除不同拍摄条件下的辐射差异；大气校正则是通过模拟大气传输过程，去除大气中的影响因素；几何校正可以纠正影像因拍摄角度、相对高程和地球弯曲等因素造成的变形；噪声去除则是利用各种滤波算法将影像中的噪声减少至最低。
三、遥感影像的分类与提取遥感影像的分类与提取是遥感影像处理的核心内容之一，其目的是将影像中的像素划分为不同的类别，以反映地物的分布和空间关系。
常用的遥感影像分类与提取方法包括监督分类、非监督分类、目标检测与提取等。
其中，监督分类是指通过训练样本和分类算法，对影像进行像素级别的分类；非监督分类则是根据像素的相似性进行自动分类；目标检测与提取则是在影像中提取特定的地物目标，如建筑物、道路等。
四、遥感影像的变化检测与监测遥感影像的变化检测与监测是遥感影像处理的另一个重要方向。
通过对不同时间点的遥感影像进行比对分析，可以获得地表变化的信息，如城市扩张、土地利用变化等。
常用的遥感影像变化检测与监测方法包括基于像元的变化检测、基于对象的变化检测、基于时序影像的变化监测等。
遥感影像的处理与解译技巧近年来，随着遥感技术的不断发展，遥感影像成为了科学研究和实际应用中不可或缺的工具。
遥感影像的处理与解译技巧是遥感学习的基础，也是进行图像解译的关键步骤。
本文将就遥感影像的处理与解译技巧展开论述。
一、遥感影像的处理技巧遥感影像的处理是指进一步提取、处理和分析遥感影像中的信息以便更好地应用。
以下是一些常见的处理技巧。
1. 图像预处理图像预处理是对遥感影像进行大气校正、辐射定标、几何校正等一系列操作，目的是消除图像产生过程中的噪声和误差，提高图像的质量和可用性。
2. 影像融合影像融合是指将两幅或多幅遥感影像的信息进行合并，以获得更多细节和更高的空间分辨率。
常用的融合方法有主成分分析、小波变换等。
3. 影像分类影像分类是将遥感影像根据其反射信息划分为不同的类别，以便进一步分析和应用。
常用的分类方法有基于统计的最大似然分类、支持向量机等。
4. 影像变化检测影像变化检测是指对两幅或多幅遥感影像进行对比，找出其中发生变化的地方。
常用的变化检测方法有差异图像法、阈值法等。
5. 影像拼接影像拼接是指将多幅遥感影像拼接成一幅完整的影像，以便进行全景观察和分析。
常用的拼接方法有全局拼接、局部拼接等。
二、遥感影像的解译技巧遥感影像的解译是指通过对影像进行观察和分析，提取地物信息、划定地物类型和边界等。
以下是一些常见的解译技巧。
1. 影像目视解译影像目视解译是通过直接观察遥感影像，凭借解译员的经验和专业知识，识别地物类型和特征。
这是最常用的解译方法，适用于各种地物类型的解译。
2. 物体纹理解译物体纹理解译是通过观察遥感影像中地物的纹理信息，判断地物的类型和特征。
纹理信息可以通过纹理分析等方法提取出来，并用于解译。
3. 影像特征解译影像特征解译是通过观察地物在遥感影像中的特征，如形状、大小、亮度等，判断地物类型和特征。
常用的特征解译方法有变化特征解译、形态学特征解译等。
4. 影像分类解译影像分类解译是将已知类别的地物作为参考样本，通过分类器对遥感影像中的地物进行分类。
遥感影像预处理的正确步骤一、影像获取遥感影像预处理的第一步是获取原始影像数据。
通过卫星、飞机或其他遥感平台获取的影像数据，可以获得不同波段的光谱信息。
二、影像校正影像校正是为了消除由于影像获取过程中产生的各种误差，提高影像质量。
主要包括几何校正和辐射校正两个方面。
几何校正是通过对影像进行几何变换，将其与真实地物的位置和形状相对应。
这样可以消除由于视角、高程等因素引起的形变，使影像与实际地物一一对应。
辐射校正是为了消除由于大气、地表反射等因素引起的辐射差异。
通过对不同波段的辐射通量进行标定和校正，可以得到准确的辐射值。
三、影像配准影像配准是将不同时间、不同传感器或不同分辨率的影像对齐到同一坐标系统中。
通过对影像进行几何变换，使其在空间上一一对应。
这样可以实现影像的叠加和比较。
四、影像增强影像增强是为了提高影像的可视性和解译能力。
通过应用不同的滤波器、变换或增强算法，可以突出地物的特征，减少噪声和干扰，使影像更清晰、更易于分析。
五、影像分类影像分类是将影像像元划分为不同的地物类别。
根据不同的目标和需求，可以使用不同的分类方法，如基于像素的分类、基于对象的分类等。
六、影像融合影像融合是将多源、多尺度或多波段的影像融合成一幅综合影像。
通过融合可以充分利用各种影像的优势，提高地物提取和解译的精度。
七、影像制图影像制图是将处理后的影像转换为地图或图像产品。
通过对影像进行地理参考、投影变换和符号化处理，可以生成各种专题地图和影像产品。
八、影像分析影像分析是对处理后的影像进行定量和定性分析。
通过应用不同的遥感算法和模型，可以提取地物信息、监测变化和预测趋势。
九、结果验证结果验证是对影像分析结果进行验证和评估。
通过与实地调查数据进行比对，可以评估分析结果的准确性和可靠性。
总结：遥感影像预处理是遥感应用的重要环节，它涉及到影像获取、校正、配准、增强、分类、融合、制图、分析和结果验证等多个步骤。
每个步骤都有其独特的作用和意义，对于提高影像质量和分析精度具有重要意义。
实验二、遥感影像预处理一、实验目的掌握遥感影像预处理的基本方法。
二、实验内容1、几何纠正2、图像镶嵌3、图像裁切三、实验要求按实验步骤完成实验，整理完成实验报告。
实验报告格式见附表。
四、实验过程与步骤1、几何纠正图像校正的具体过程第一步：显示图像文件首先，在ERDAS 图标面板中点击viewer图标两次，打开两个视窗(Viewer#1／Viewer#2)两个视窗平铺放置，然后，在Viewer#1中打开需要校正的Landsat TM 图像：tmAtlanta．img，在Viewer#2中打开作为地理参考的校正过的SPOT图像：panAtlanta．img第二步：启动几何校正模块Viewer#1菜单条：Raster—Geometric Correction→打开Set Geometric Model对话框→选择多项式几何校正计算模型：Polynomial→OK→同时打开Geometric tools对话框)和Polynomial Model properties对话框在Polynomial Model properties对话框中，定义多项式模型参数及投影参数：→定义多项式次方（Polynomial order）：2→定义投影参数(Projection)：略→Apply →close→打开GCP tool reference setup 对话框说明：该实例是采用视窗采点模式，作为地理参考的SPOT图像已经含有投影信息，在这里不需要定义投影参数。
如果不是用视窗采点模式，或者参考图像没有包含投影信息，必须在这里定义投影信息，包括投影类型及其对应的投影参数。
第三步：启动控制点工具在GCP Tools Reference Setup对话框中选择采点模式：→选择视窗采点模式：Existing Viewer→OK(关闭GCP Tools Reference Setup对话框)→打开Viewer selection instructions指示器→在显示作为地理参考图像panAtlanta．img的Viewer #2中点击左键打开Reference Map information提示 (显示参考图像的投影信息)→ok 关闭Reference Map information提示框整个屏幕将自动变化为两个主视窗、两个放大窗口、两个关联方框(分别位于两个视窗中，指示放大窗口与主视窗的关系)、控制点工具对话框、几何校正工具等。
测绘技术中的遥感影像处理方法和技巧遥感影像处理是现代测绘技术中的重要方法之一，它利用航天器、飞机等载体获取地球表面的遥感数据，并通过一系列的处理方法和技巧来提取出有用的地理信息。
在遥感影像处理过程中，为了提高数据的准确性和可用性，需要运用一些特定的方法和技巧。
本文将介绍遥感影像处理方法和技巧的相关知识。
一、影像预处理在进行遥感影像处理之前，首先需要进行影像的预处理。
影像预处理主要包括去噪、辐射校正、大气校正等步骤。
根据实际需求，可以选择合适的预处理方法和技巧。
1.去噪遥感影像中常常存在着噪声，对地物信息的提取造成干扰。
因此，去噪是影像预处理的重要环节之一。
常见的去噪方法有中值滤波、均值滤波、小波变换等。
根据噪声的特点选择合适的去噪方法，可以有效提高影像质量。
2.辐射校正由于不同的传感器在不同条件下获得的影像存在着辐射量的差异，因此需要进行辐射校正。
辐射校正可以将影像的数字值转换为物理量，如反射率或辐射亮度。
辐射校正方法包括定标板法、模型法和统计法等。
3.大气校正大气校正是由于大气散射和吸收的影响，导致遥感影像中地物的光谱特征发生变化。
大气校正可以减少大气效应的影响，提高影像的质量。
大气校正方法包括直接反射法、水色反射法和大气模型法等。
二、影像增强影像增强是通过一系列的方法和技巧来改善遥感影像的视觉效果和地物信息的可辨识性。
影像增强方法和技巧有很多种，这里介绍几种常用的方法。
1.直方图均衡化直方图均衡化是一种常用的影像增强方法，它通过将影像的灰度级重新映射，使得影像的对比度得到增强。
直方图均衡化能够使得影像的细节更加清晰，地物的边缘更加明显。
2.滤波增强滤波增强是通过滤波方法对遥感影像进行处理，以实现对图像的边缘增强和噪声抑制的效果。
常用的滤波方法有中值滤波、高斯滤波和小波变换等，根据实际情况选择合适的滤波方法进行增强。
3.多pectral增强多pectral增强是一种利用遥感影像的光谱信息进行增强的方法。
遥感影像预处理的正确步骤在遥感领域，影像预处理是遥感数据处理的重要环节，对于提高遥感影像的质量和后续分析具有重要意义。
以下是遥感影像预处理的正确步骤：一、数据获取与预处理1.数据获取：遥感影像数据来源于各种遥感卫星、航空遥感等，需要根据研究目的选择合适的数据源。
2.预处理：数据获取后，需要对数据进行预处理，以消除原始数据中的噪声、异常值等问题。
预处理方法包括去除噪声、裁剪、缩放等。
二、几何校正与图像配准1.几何校正：由于遥感影像在采集过程中可能受到传感器本身、地球曲率、大气折射等因素的影响，导致影像几何变形。
几何校正旨在消除这些变形，提高影像质量。
常见的方法有传感器模型校正、基于控制点的几何校正等。
2.图像配准：图像配准是将多幅遥感影像（如多光谱影像和单波段高分辨率影像）进行空间对齐，使其在同一坐标系统下。
配准方法有基于像素的配准、基于变换的配准等。
三、图像融合1.图像融合是将不同分辨率、不同光谱的遥感影像融合为高分辨率、多光谱的影像。
常见的图像融合方法有：（1）IHS变换融合：将高分辨率全色影像与亮度进行直方图匹配，然后去掉亮度，用预处理的高分辨率全色影像代替。
与色度H、饱和度S一起，利用逆变换式变换至RGB系统，得到融合后的影像。
（2）小波变换融合：利用人眼对局部对比度变化敏感的特性，根据一定的融合规则，在多幅原图像中选择最显著的特征（如边缘、线段等），并将这些特征保留在融合后的图像中。
四、影像增强与分割1.影像增强：通过调整亮度、对比度、色彩平衡等参数，提高遥感影像的视觉效果。
常见的增强方法有：直方图均衡化、自适应直方图均衡化、色彩空间转换等。
2.影像分割：将融合后的遥感影像划分为不同的区域，以便进行后续分析。
常见的分割方法有：基于阈值的分割、基于区域的分割、基于边缘的分割、基于深度学习的分割等。
五、特征提取与分析1.特征提取：从遥感影像中提取有意义的特征，如纹理、颜色、形状等。
常见的特征提取方法有：灰度共生矩阵、局部二值模式（LBP）、HOG特征等。
光学遥感影像预处理是指对获取的遥感影像进行一系列的处理，以便更好地应用于后续的遥感信息提取和分析。
其大概过程可以分为以下几个步骤：1. 数据获取在光学遥感影像预处理的过程中，首先需要获取遥感影像数据。
这些数据可以来自于卫星、飞机、无人机等评台获取的遥感影像数据。
在数据获取的过程中，需要注意遥感影像的分辨率、波段数量等参数，以便后续的处理和分析。
2. 数据预处理数据预处理是光学遥感影像预处理的重要步骤之一。
在这一步中，需要对原始的遥感影像数据进行校正和去噪。
校正包括大气校正、辐射校正等，去噪则是为了减少影像中的噪声对后续分析的影响。
3. 影像配准影像配准是指将获取的多幅遥感影像数据进行配准，使得它们能够在同一坐标系下进行分析。
这一步可以通过地面控制点配准、影像匹配等方法来实现。
4. 影像切割在光学遥感影像预处理中，有时需要将大块的遥感影像数据进行切割，以便更好地应用于特定的分析需求。
影像切割可以根据不同的地物类型、研究区域等进行划分。
5. 特征提取特征提取是光学遥感影像预处理的关键环节之一。
在这一步中，需要针对特定的分析目标提取出影像中的特征信息，如植被覆盖度、土地利用类型等。
这一步可以通过图像分类、目标检测等方法来实现。
光学遥感影像预处理是遥感领域中的重要环节，它能够提高后续遥感信息提取和分析的准确性和可靠性。
通过对遥感影像数据进行一系列的处理，可以更好地挖掘出影像中蕴含的丰富信息，为地球观测和环境监测等领域提供有力的支持。
在本次文章中，我们简要介绍了光学遥感影像预处理的大概过程，包括数据获取、数据预处理、影像配准、影像切割和特征提取等步骤。
这些步骤为后续遥感信息提取和分析打下了重要的基础，同时也为遥感数据的应用提供了可靠的数据支撑。
在未来的研究和实践中，我们需要进一步深入地探讨每个环节的具体方法和技术，以更好地应对复杂的遥感数据分析需求。
希望通过本次文章的介绍，读者能够对光学遥感影像预处理有一个初步的了解，并对其重要性有所认识。
实验二遥感影像预处理实验目的：1、掌握图像对地形图或图像对图像校正的方法和步骤；2、掌握影像裁剪的方法和步骤。
实验材料：1、分辨率为10米的SPOT图像（参考图像，带地图投影）和相应地区的TM图像（待校正）。
2、分辨率为2.5米的SPOT图像（待校正），以及分辨率为0.61米的QUICKBIRD图像（参考图像）。
实验步骤：一、图像对地形图的校正（一）打开遥感图像和地形图打开Envi4.3软件,打开Spot图像和TM图像，其中TM图像自动打开，也可选择RGB Color,选择R、G、B分别赋予红、蓝、绿三个波段，即可显示一幅由红、蓝、绿三个波段合成的真彩色图像，而Spot图像选择Gray Scale, Display #1->New display->Load Band,即可显示该地区的黑白Spot图像；（二）选择地面控制点选点的原则：①选择两遥感影像上都有的统一地物，即选择同名地物点；②均匀分布：一般先在图像的四角和对角线交点处选择控制点，然后逐渐加密，保证均匀分布，并且选择的点应布满全局；③特征明显：尽可能选在固定的地物交叉点上，无精确定位的标志情况下，利用半固定的地形地物交叉点（山顶、河流交叉处）。
④足够数量：选点数应至少为(n+1)(n+2)/2,其中n为选择多项式的次数，一般控制点数应大于最低数很多(有时6倍)。
若n为1时，尽管计算结果为3，但还要至少选择4个控制点；因为重采样时选用Cubic Convolution（三次卷积法），参数为3，所以一般选择3次多项式，即6个控制点，12个系数，再建立数学模型，进行重采样，重新匹配。
控制点数量每景宜在25～35个左右，山区或丘陵区适当增加。
（三）图像对地形图校正（四）对校正后遥感影像的评价虽然经过细心的校正，但在扫描过程中仍然有误差。
1、打开校正后的遥感影像及相应的参考图像，在校正后遥感影像上点击鼠标右键，选择Link Displays，Display #1选择no,Display #2,#3,选择yes,点击ok;2、此时在校正后的遥感影像中，用鼠标左键点击任意位置就可出现遥感影像与参考图像的转换显示，即可评价出对遥感影像校正的优劣。
二、图像对图像的校正（可选做）（一）打开遥感图像打开Envi4.3软件,通过主菜单file中的open image file打开QuickBird图像和Spot图像，并且都选择RGB Color,选择R、G、B分别赋予红、蓝、绿三个波段，即可显示两幅由红、蓝、绿三个波段合成的彩色图像；（二）选择地面控制点（三）图像对图像的校正（四）对校正后遥感影像的评价虽然经过细心的校正，但在扫描过程中仍然有误差。
1、打开校正后的遥感影像及原QuickBird图像，在校正后遥感影像上点击鼠标右键，选择Link Displays，Display #1选择no ,Display #2,#3,选择yes,点击ok;2、此时在校正后的遥感影像中，用鼠标左键点击任意位置就可出现遥感影像与地形图的转换显示，即可评价出对遥感影像校正的优劣。
三、遥感图像的裁剪1、主菜单中Basic Tools中选择Resize Data Input Files，Open File打开校正过的SPOT 影像；2、打开Spatial Subset,点击Subset By中的Image,可出现整部图像，可通过调整红框的位置及大小来裁剪图像的大小，也可以直接在Samples及Lines中输入想要的大小，然后连续三次选择ok，可在Resize Data Parameters中显示裁剪后图像的大小，在Resampling后有三种常用的裁剪方法可供选择，○1Nearest Neighbor为邻近法，（以离投影点最近的一个像元的灰度值作为输出像元的灰度值），○2Bilinear为双线性内插法，（以投影点周围邻近四个像元灰度值，确定输出像元的灰度值），○3Cubic Convolution为三次卷积法，（以投影点周围邻近16个像元灰度值，确定输出像元的灰度值），可选择Cubic Convolution,则可以在A vailable Bands List中出现Memory2（因为前面已经出现了Memory1）,选择Gray Scale并Load Band可显示裁剪后的灰白图像。
3、也可以尝试其他几种方式（Map、File和ROIs）裁剪影像。
实验一初识遥感影像实验目的：1、认识ENVI4.3软件，并熟悉遥感数据的输入、输出和重采样等基本操作；2、读取影像的基本信息，进行多波段文件的合成和影像多波段特征的基本统计分析。
实验步骤：一、熟悉基本操作（一）认识ENIV4.3软件1、ENVI是美国RSI开发的一套功能齐全的遥感图像处理系统，是处理、分析并显示多光谱数据、高光谱数据和雷达数据的高级工具，能够进行地物目标识别，直观且功能强大，完全由IDL开发，方便灵活，可扩展性强。
2、熟悉ENIV4.3软件功能（二）遥感数据的输入1、打开主菜单File中的Open Image File命令，可以打开ENVI支持的遥感影像数据文件，这里分别打开材料中的9个文件。
2、打开一个波段，如p124r036_7k20010510_z49_nn10.tif，并选中Gray scale，Load band 即可显示一幅黑白图像；如果需要彩色显示，先选中RGB Color，在任意选中三个波段文件，分别赋予红、蓝、绿三个波段，即可显示一幅由红、蓝、绿三个波段的彩色合成图像；3、在A vailable Bands list中的File中，打开A vailable Files List，可看到该图像的相关信息，如p124r036_7k20010510_z49_nn10.tif中：8791 x 7654 (Byte) [BSQ]，表示行列值为8791、7645；数据存储格式为BSQ，数据类型为字节型（Byte），如果文件带地图投影，展开后可以看到地图投影信息，包括投影类型、分辨率、投影椭球体类型，此外还有影像左上角的地理坐标和投影坐标。
（三）遥感数据的输出1、保存该合成的图像，可在该图像的File中，选中Save Image As，选择Image File…，Resolution中灰阶图像可选择8 bit(gray scale)，彩色图像选择24bit coler(BSQ)，若不保存成File，可选择Memory之后，A vailable Bands List 中可出现Memory1记录刚刚打开的图像信息；2、在A vailable Bands List 中打开File菜单中的Close All Files，可关闭所有的文件，同时File中，也有Open Image File，也可打开各数据。
也可以利用当前文件的右击快捷菜单完成文件的系列操作。
（四）重采样1、从主菜单File中Edit Header Input File可以看出，p124r036_7k20010510_z49_nn61.tif 行列值为4396 x 3827，如果要提高分辨率，使它们的分辨率提高一倍，需要重新采样，只需要将其行列数目同时扩大二倍。
2、选择主菜单Basic Tools中Resize Data Input File 中p124r036_7k20010510_z49_nn61.tif，将Resize Data Parameters中xfac和yfac的值都改为2，选择Memory保存，则可以在A vailable Bands List中出现重采样的文件。
二、影像特征统计分析（一）波段文件叠加形成多波段组合文件1、在主菜单中，打开“Basic Tools”菜单中的“Layer Stacking”命令，弹出下图对话框：2、点击“Import File…”命令，在文件列表中选择需要的单波段文件，确认后，单波段文件会进入到“Layer Stacking”的文件列表中，还可以根据实际波段的组合次序对列表中的波段文件进行排序，如果原始数据带投影的话，一般会在右侧投影参数处自动赋值。
3、输出结果可以保存到文件或者直接输出到内存。
这里输出到文件p124r036_7t20010510_z49_nn123457。
则会在波段列表中生成由6波段构成的多波段文件。
（二）多波段影像的特征统计分析1、选择Basic Tools > Statistics > Compute Statistics，将出现Calculate Statistics Input File 对话框。
2、通过点击标签为“Select Input File” 的列表中的文件名，选择输入文件。
文件特征的细节，显示在标签为“File Information:” 的文本小部件中。
3、通过点击适当的子集按钮，选择按标准方式的空间或波谱构造子集。
要在计算统计信息之前，把一个掩膜应用于数据，点击“Select Mask Band”，然后选择所需要的掩膜图像。
4、一旦文件已经被选择，构造子集，并按需要掩膜，点击“OK” ，继续。
将出现Calculate Statistics Parameters 对话框。
在该对话框中，你将选择要计算的统计信息类型，和要生成的记录类型。
图4-9: Calculate Statistics Parameters 对话框。
5、选择你想生成的统计信息类型。
主要有基本统计（“Basic Statistics”）、直方图统计（“Histogram Statistics”）和协方差统计（“Covariance Statistics”）。
基本统计信息包括所有波段的最小值、最大值、均值和标准差，若该文件是多波段的，还包括特征值；直方图统计可以为你的输入波段生成统计的直方图；协方差统计（要求文件为多个波段组成，即一个波段以上）生成协方差统计信息，即生成协方差和相关矩阵再加上特征值和特征向量。
你可以选择任何的单个选项或组合选项。
6、选择统计信息类型后，还可以选择下列选项。
在进行统计信息计算时，你可以使用一个调整大小系数的选项来提高性能。
要设置调整大小系数，在“Samples/Lines Resize Factor”文本框中输入所需要的调整大小系数（小于 1 的值将跳过一些像元，即值“0.5”将告诉ENVI 在计算统计信息时，使用每隔一个像元）。
若你想把统计信息保存到一个ENVI 格式的统计信息文件，以便以后用ENVI 功能加快处理。
在“Enter Output Stats Filename” 标签下输入或选择一个文件名。
系统默认统计信息文件的扩展名为.sta。
7、统计报告输出。
若你选择“Output to the Screen” 选项，所有选择的统计信息的输出将在一个独立的窗口内用一个全文本的记录显示。
