首页 > 其他分享 >ENVI手动地理配准栅格图像的方法

ENVI手动地理配准栅格图像的方法

时间:2023-05-24 12:11:41浏览次数:37  
标签:两景 配准 GCP Image 选择 栅格 ENVI 图像

  本文介绍在ENVI软件中,手动划定地面控制点从而实现栅格图像相互间地理配准的方法;其中,所用软件版本为ENVI Classic 5.3 (64-bit)

  首先,在软件中同时打开两景需要进行地理配准的栅格图像,开启“Link Displays”后在其中一幅图像中随机点击;此时可以看到两幅图的同一位置并不是同样的地物,而是具有一定空间位置差异,如下图所示。

  接下来,我们开始进行地理配准的操作。由于我们的两景图像是同一遥感影像分幅产品在不同时间的图像,因此两景图像自身都是具有地理信息的,我们就选择“Map”→“Registration”→“Select GCPs: Image to Image”;如果其中一景图像有地理信息而另一景没有(例如一景遥感影像与一幅.jpg格式的图层),就需要选择“Select GCPs: Image to Map”。

  在弹出的窗口中选择“Base Image”与“Warp Image”,亦即基准图层与需要变换的图层,在这里我们分别选中前述两景图像即可,具体二者谁是“Base Image”谁是“Warp Image”并没有强制要求;但是一定要牢记这里的设置,在后期还会用到。

  接下来,就弹出了地面控制点(GCP)选择窗口,此时就可以在图像显示区域中选择GCP了。

  此时需要注意,将前述两景图像开启的“Link Displays”关闭后才可以选择GCP

  选择方法其实也很简单:首先在第一景图像中选择一个便于区分方位的点,随后在第二景图像中找到这一点;如果左下角与上方的图像范围较大、不好辨认,可以通过右下角范围最小的图像加以精准确定。两景图像的点选择好后,选择“Add Point”即可。

  点击“Show List”,可以看到当前已经找到的GCP

  弹出的窗口中包含GCP的各类信息。

  如果大家感觉GCP在图中显示得不是很明显,可以通过“Set Point Colors”进行设置。

  我在这里设置如下:

  多次重复前述寻找GCP的过程,从而找到更多的GCP

  这里需要注意,一般地将“Degree”设置为2会有比较好的效果(这里“Degree”指的是用于计算RMS误差的次数或阶数,2就指的是用二次多项式来计算误差);进一步的,RMS误差就是下图中“RMS Error”,其表示地理配准过程中,控制点原始位置与转换后控制点新位置间的像素差值,因此其越小越好。

  在找到几个GCP后,我们就可以用“Predict”进行辅助操作:在第一景图像中找到第一个点后,通过“Predict”就可以自动定位到第二景图像的对应位置附近,随后手动微调即可。

  为了方便,我们可以直接勾选“Auto Predict”。

  此外,在GCP列表中,选中某一行GCP后,可以通过“Goto”实现直达这一GCP位置的功能。

  对于一些暂且不知道是否较好的GCP,我们可以通过“On/Off”将其暂时取消(没错,不是删除,是暂时不加入该点)。

  而对于确定不需要的点,我们可以直接将其删除。

  选好GCP后,可以选择将GCP列表导出为文本格式:

  配置好相关信息即可保存。

  上述保存GCP列表的过程是可选的,而接下来的操作则是必须的——我们需要保存GCP(这里就不是上面的那个GCP列表了,而是各个GCP的信息)为.pts格式。

  配置好相关信息即可保存。

  保存好上述.pts格式的GCP信息后,之后如果我们需要再次修改对应图层的GCP,直接导入即可。

  接下来,即可开始地理配准。选择“Map”→“Registration”→“Warp from GCPs: Image to Image”。

  找到保存的.pts格式的GCP信息文件并选中。

  在接下来的“Input Warp Image”窗口和“Input Base Image”窗口中,要按照前述选择“Base Image”与“Warp Image”时的设置进行选择——这就是为什么前面说需要牢记“Base Image”与“Warp Image”设置的原因。

  随后,对地理配准的算法、参数等加以配置,并配置输出路径与文件名。

  将新生成的配准后图像同样在ENVI中打开(如下所示最右侧图像为地理配准后图像),用“Link Displays”进行随机选择,可以看到最右侧的图与最左侧的基准图像空间位置几乎一致,说明大功告成。

标签:两景,配准,GCP,Image,选择,栅格,ENVI,图像
From: https://www.cnblogs.com/fkxxgis/p/17427923.html

相关文章

  • 踩坑:nacos启动报错提示需要设置JDK环境 ,报错:ERROR: Please set the JAVA_HOME variabl
    换了个Windows11的新电脑,因为个人工作、学习需要,就重新下载了Nacos并解压使用,结果就踩了个坑,使用下面命令启动Nacos服务端时:startup.cmd-mstandalone直接在黑窗口提示:ERROR:PleasesettheJAVA_HOMEvariableinyourenvironment,Weneedjava(x64)!jdk8orlaterisbet......
  • 基于奇异值分解的点云配准RT计算原理
    问题描述假设在\(d\)维空间\(\mathbb{R}^d\)中,存在两个对应点集合\(P=\left\{{{{\mathbf{p}}_1},{{\mathbf{p}}_2},\cdots,{{\mathbf{p}}_n}}\right\}\),\(Q=\left\{{{{\mathbf{q}}_1},{{\mathbf{q}}_2},\cdots,{{\mathbf{q}}_n}}\right\}\),其中\(......
  • python os.environ操作环境变量
    1、.env文件数据添加到环境变量load_dotenv(ROOT_DIR+'/.env',verbose=True)或load_dotenv(find_dotenv('.env')2、新增环境变量,其中key和value均为string类型os.environ['环境变量名称']='环境变量值'  环境变量立刻生效,从设置开始后面的运行部分都能获取到该变量os.e......
  • APRIL 2022-Explanation-Aware Experience Replay in Rule-Dense Environments
    I.INTRODUCTION解释是人类智能的关键机制,这种机制有可能提高RL代理在复杂环境中的表现实现这一目标的一个核心设计挑战是将解释集成到计算表示中。即使在最小的规则集变化下,将规则集(或部分规则集)编码到智能体的观察空间等方法也可能导致严重的重新训练开销,因为规则的语义被......
  • delphi Pascal yolov5 deepsort 目标检测 目标跟踪,支持onnxruntime、dnn、openvino和t
    delphiPascalyolov5deepsort目标检测目标跟踪,支持onnxruntime、dnn、openvino和tensorrt推理yolov5,使用c++封装成dll,delphi调用封装好的dll,实现目标检测和跟踪ID:212600676471966472......
  • yolov5v6.2 实例分割 Labview工业应用,封装dll后labview调用,支持openvino dnn onnxrunt
    yolov5v6.2实例分割Labview工业应用,封装dll后labview调用,支持openvinodnnonnxruntime和tensorrt四种方式推理,500万像素图像:cpu下openvino推理只要85ms、GPU下tensorrt推理只要25ms,最强实例分割模型。ID:114500689839116112......
  • (MATLAB版代码)红外与可见光图像配准算法 针对电气
    (MATLAB版代码)红外与可见光图像配准算法针对电气设备同一场景的红外与可见光图像间一致特征难以提取和匹配的问题,提出了一种基于斜率一致性的配准方法。首先通过数学形态学方法分别提取红外与可见光图像的边缘,得到粗边缘图像;然后通过SURF算法提取两幅边缘图像的特征点,根据正确的匹......
  • 拉普拉斯图像融合,基于sobel算子的边缘检测,PCA人脸识别,SIFT图像配准,分形维数计算,数字图
    拉普拉斯图像融合,基于sobel算子的边缘检测,PCA人脸识别,SIFT图像配准,分形维数计算,数字图像水印,霍夫变换做直线检测,人脸纹理识别,伪彩色增强,图像增强,图像分割,特征提取,字符分割,各种GUI,等等各种跟图像处理有关的程序。ID:1360615396171857......
  • GeoServer发布图层栅格格式设置样式
    最近工作中使用到了geoserver发布tif图,发布图层后需要给图层设置样式。发布图层就不在这里说了,可以参考其他博客,主要记录一下编写图层样式。一、介绍1、图层类型在geoserver中图层类型分为以下几类:我们可以在管理界面中查看我们发布的图层类型,后面写样式时需要根据我......
  • 自动驾驶多传感器联合标定系列之基于ICP配准算法的激光雷达到激光雷达坐标系的标定工
    自动驾驶多传感器联合标定系列之基于ICP配准算法的激光雷达到激光雷达坐标系的标定工程,本商品提供基于ICP匹配算法的lidar2lidar的自动标定工程,通过对三个雷达输出的点云进行地面提取及匹配过程完成三个雷达的外参标定,并完成点云拼接显示。这个工程带有代码注释,帮助您对标定算法......