遥感实习报告书范文.doc

遥感实习报告书范文 .1绪论1.1实习目的本次实习共五天，目的是让学生熟练数字遥感影像处理软件ERDAS IMAGINE的基本操作方法，使其掌握遥感影像数据的输入、拼接、裁切、几何校正、地物信息分类提取、专题地图制作等基本数据处理过程和操作技术，以达到遥感应用技术课程理论知识与实践操作相结合的目的，为学生毕业设计及日后从事相关工作打下坚实的技术基础。 1.2实习要求本次实习旨在使学生理论联系实际，熟练掌握数字遥感影像处理软件的操作，包括遥感影像预处理、影像分类提取及专题图的制作等基本操作技术和使用方法，力图通过实习使学生能够独立地解决遥感技术实际应用中遇到的大部分问题。 如1.熟练掌握数字遥感影像预处理的基本方法；2.熟练掌握数字遥感影像几何校正的方法；3.熟练掌握遥感影像数据的地物信息分类提取方法；4.熟练掌握遥感专题制图和图件输出方法。 1.3实习时间和地点实习时间xx年1月6日xx年1月17日实习地点测绘工程学院测绘数据处理实验室（测绘楼305）1.4实习内容1熟练数字遥感影像处理软件ERDAS IMAGINE的基本操作方法；2遥感数据预处理（包括遥感数据输入、多波段数据组合、几何精纠正和影像裁切等）；3地物信息分类提取（包括监督分类和非监督分类及分类结果评价等）；4利用ARCGIS进行影像分类结果专题图的制作。 2实习过程第一部分ERDAS9.2实习2.1遥感影像的输入及波段组合2.1.1将.tif格式的影像转换为.img格式的影像新建视窗（viewer）,将.tif格式的影像显示在视窗中，然后在视窗菜单栏中点击FileSaveTop LayerAs,然后在弹出的界面中设置文件保存路径和文件名，注意保存格式为.img格式（如图1）。 .重复上述过程，可依次将.tif格式的影像全部转换为.img格式的影像。 （图1.左边的图像为.tif文件，右边的为.img文件）2.1.2将单波段的数据组合为多波段的数据为了图像处理与分析，需要将上述转换的单波段.img文件组合为一个多波段图像文件。 第一步在ERDAS图标面板工具条中，点击InterpreterUtilitiesLayer Stack出现Layer Selectionand Stacking的对话框。 第二步在Layer Selectionand Stacking对话框中，依此选择并加载（Add）单波段IMG图像.输入单波段图像文件（Input File:*.img）:b70.img下拉选择AllAdd.输入单波段图像文件（Input File:*.img）:b40.img下拉选择AllAdd.输入单波段图像文件（Input File:*.img）:b20.img下拉选择AllAdd.输入组合多波段图像文件（Output File:*.img）:742.img.OK执行并完成波段组合（如图2）。 如果有兴趣的话，可以尝试其他不同波段组合的方式，看看有什么不同的效果。 .2.2图象几何校正第一步显示图象文件在视窗中打开需要校正的图象742.img.第二步启动几何校正模块在Viewer#1的菜单条中，选择RasterGeometric Correction.打开Set GeometricModel对话框.选择多项式几何校正模型PolynomialOK（图2）.程序自动打开Geo CorrectionTools对话框和Polynomial ModelProperties对话框。 先选择Close关闭PolynomialModel Properties对话框程序自动打开GCP ToolReference Setup对话框选择Map Units:Meters添加地图投影参数，如下图.选择OK确定地图投影参数，并关闭上图。 选择OK，确定Reference MapInformation，并关闭提示框。 并自动打开采集控制点对话框，根据控制点采集的要求至少6个点。 经过检查误差在一个像元之内，所以可以进行重采样。 在Geo CorrectionTools对话框中选择Image Resample图打开Image Resample对话框，并定义重采样参数。 输出图像文件名(output file):jz.img；选择重采样方法(Resample Method):Nearest Neighbor；定义输出图像在图与像元大小。 设查输出统计中忽略零值。 选择OK启动重采样进程，并关闭Image Resample对话框。 校正后的图片如左图所示2.1.3图象分幅裁剪在本次实验中我们运用的Aoi方法进行裁剪。 先将校正后的图片与需要裁剪的区域叠置在一起看看位置精度是否比较高然后进行裁剪。 如图在ERDAS图标面板工具条中，点击DataPrep/Data preparation/subset Image打开subset Image对话框，并设置参数如下.打开矢量参考图像，可以把它作为AOI模板来裁剪用。 裁剪结果如下图所示2.1.4水体及植被信息自动提取要提取水体植被的信息需要运用到非监督分类，在erdas里面进行对校正后的图片进行分类，最后的arcgis里面完成最后一步专题图的制作，因为之前处理的内容比较简单所以省略了。 最后就是水体和植被的专题图如下2.1.4土地利用分类运用监督分类对土地进行分类，本次实验对校正后的图进行了分6类处理。 在校正后的图片上选取小的区域作为训练区，每处训练区提取特征参数，最后erdas会完成分类如图所示最后在erdas中对img格式的图片矢量化然后制作专题图如图所示.第二部分ENVI4.7实习 一、遥感图像的几何校正1.打开参考影像（base）和待校正影像分别打开，即在display#1,display#2中打开；2在主菜单上选择map-Registration-select GCPsimage to map3.出现窗口4.添加控制点将两边的影像十字线焦点对准到自己认为是同一地物的地方，就可以选择ADD POINT添加点了。 （PS看不清出别忘记放大）如果要放弃该点选择右下脚的delete lastpoint，或者点show point弹出image toimage gcplist窗口，从中选择你要删除的点，也可以进行其他很多操作，自己慢慢研究。 选好4个点后就可以预测把十字叉放在参考影像某个地物，点选predict则待校正影像就会自动跳转到与参考影像相对应的位置，而后再进行适当的调整并选点。 .5.选点结束后，首先把点保存了ground controlpoints-file-save gcpas ASCII.当然你没有选完点也可以保存，下次就直接启用就可以ground controlpoints-file-restore gcpsfrom ASCII.6.接下来就是进行校正了在ground controlpoints.对话框中选择options-warp file(as imagetomap)在出现的imput warpimage中选中你要校正的影像，点ok进入registration parameters对话框首先点change proj按钮，选择坐标系统，如果已经定义好就不用更改了。 然后更改象素的大小，如果本身就是你所需要大小则不用改了选择重采样方法（resampling）,一般都是选择双线性的（bilinear）选择多项式的维度，定义保存方式。 就OK了.打开校正后的图片如右图所示二遥感图像的监督分类1）、类别定义/特征判别根据分类目的、影像数据自身的特征和分类区收集的信息确定分类系统；对影像进行特征判断，评价图像质量，决定是否需要进行影像增强等预处理。 这个过程主要是一个目视查看的过程，为后面样本的选择打下基础。 本例是以ENVI自带Landsat tm5数据Can_tmr.img为数据源，类别分为林地、草地/灌木、耕地、裸地、沙地、其他六类。 2）、样本选择为了建立分类函数，需要对每一类别选取一定数目的样本，在ENVI中是通过感兴趣区（ROIs）来确定，也可以将矢量文件转化为ROIs文件来获得，或者利用终端像元收集器（Endmember Collection）获得。 本例中使用ROIs方法，打开分类图像，在DisplayOverlayRegion ofInterest，默认ROIs为多边形，按照默认设置在影像上定义训练样本。 如图18所示，设置好颜色和类别名称（支持中文名称）。 在ROIs面板中，选择OptionCompute ROISeparability,计算样本的可分离性。 如图19所示，表示各个样本类型之间的可分离性，用JeffriesMatusita,Transformed Divergence参数表示，这两个参数的值在02.0之间，大于1.9说明样本之间可分离性好，属于合格样本；小于1.8，需要重新选择样本；小于1，考虑将两类样本合成一类样本。 .3）、分类器选择根据分类的复杂度、精度需求等确定哪一种分类器。 目前监督分类可分为基于传统统计分析学的，包括平行六面体、最小距离、马氏距离、最大似然，基于神经网络的，基于模式识别，包括支持向量机、模糊分类等，针对高光谱有波谱角（SAM），光谱信息散度，二进制编码。 4）、影像分类基于传统统计分析的分类方法参数设置比较简单，这里选择支持向量机分类方法。 主菜单下选择ClassificationSupervisedSupport VectorMachine。 按照默认设置参数输出分类结果，如右图所示。 分类后的影像如下图所示.5）、分类后处理分类后处理包括的很多的过程，都是些可选项，包括更改类别颜色、分类统计分析、小斑点处理（类后处理）、栅矢转换等操作。 （1)更改类别颜色可以在Interactive ClassTool面板中，OptionEdit选择class colors/names更改，也可以DisplayColor在MappingClass ColorMapping。 如下图所示，直接可以在对应的类别中修改颜色。 也可以根据一个显示的RGB影像动分配类别颜色，打开主菜单ClassificationPost ClassificationAssign ClassColors。 （2)分类统计分析主菜单ClassificationPost ClassificationClass Statistics。 如图11所示，包括基本统计类别的像元数、最大最小值、平均值等，直方图，协方差等信息。 （3)小斑点处理（类后处理）运用遥感影像分类结果中，不可避免地会产生一些面积很小的图斑。 无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除和重新分类，目前常用的方法有Majority/Minority分析、聚类（clump）和过滤（Sieve）。 这些工具都可以在主菜单ClassificationPost Classification中找到。 Majority/Minority分析和聚类（clump）是将周围的“小斑点”合并到大类当中，过滤（Sieve）是将不符合的“小斑点”直接剔除。 如右图为Majority分析的结果。 4)栅矢转换打开主菜单ClassificationPost ClassificationClassification toVector，可以将.分类后得到的结果转化为矢量格式，或者主菜单VectorRaster toVector，在选择输出参数时候，可以选择特定的类别，也可以把类别单独输出为矢量文件或者一个矢量文件.三图像裁剪影像裁剪的目的是将研究区以外的区域去除，经常是按照行政区划或研究区域的边界对图像进行裁剪，在基础数据生产中，还经常要做标准分副裁剪。 按照ENVI的图像裁剪过程，可分为规则裁剪和不规则裁剪。 （一）规则裁剪 （1）在主菜单中，选择FileOpen I m ageFile，打开裁剪的图像； （2）在主菜单中，选择Basic ToolsResize Data(Sptial/Spectral)命令； （3）在Resize DataI nputFile对话框中选择需要裁剪的Spatial Subset按钮在空间上对图像进行裁剪；Spactral Subset按钮在光谱空间上分割。 （4）点击Spatial Subset按钮，设置规则裁剪的方式；.A.基于图像的裁剪，点击区域。 Image通过输入行列数确定裁剪尺寸，按住鼠标左键拖动图像的红色矩形框确定裁剪区域，或者直接用鼠标拖动红色边框来确定裁剪尺寸以及位置；B.基于地图坐标的裁剪，点击选择坐标范围。 Map:通过输入左上角和右下角两点坐标来确定外边界矩形区域（图像必须有地理坐标）；C.基于文件的裁剪，点击选择基准图像。 File:以另外一个图像文件范围为标准确定外边界区域；ROI/EVF以感兴趣区域或者矢量边界为区域进行裁剪；Scroll根据当前放大的（m etazoom ed）缩放窗口中的显示区域进行裁剪； （5）选择输出路径及文件名，点击OK按钮，完成规则图像裁剪。 （二）不规则裁剪不规则裁剪是指裁剪图像的边界范围是一个任意多边形，通过事先确定的一个完整的闭合区域进行，这个区域可以是一个手工绘制的ROI多边形，也可以是ENVI支持的矢量数据文件。 1、基于手动绘制感兴趣区域的图像裁剪 （1）打开要裁剪的图像，并显示在Display中； （2）在Image视图窗口中选择OverlayRegion ofInterest。 在ROI Tool窗口中，选择ROI_TypePolygon；. （3）在Window一栏中选择感兴趣区域绘制窗口，这里选择Image，然后在Image窗体中绘制一个多边形区域，然后右键单击两次结束； （4）选择主菜单Basicsubset datavia ROIs，或者选择ROI ToolFileSubset datavia ROIs命令，选择裁剪图像；点击OK，在出现的Spatial Subsetvia ROIParameters窗口中选择进行裁剪的感兴趣区域及输出文件。 不规则裁剪图像如上图所示 2、基于矢量边界生成的感兴趣区域的裁剪 （1）选择主菜单FileOpen VectorFile，打开Shapefile矢量文件，投影参数不变，选择Output Resultto为Memory，点击OK。 （2）在Available VectorList窗口中选择矢量图层，然后选择菜单FileExport Layersto ROI命令； （3）在弹出的窗口中选择用矢量边界进行裁剪的.影像图层，点击OK； （4）在Export EVFlayers toROI窗口中选择转换方法，这里以第一种为例； （5）选择主菜单Basicsubset datavia ROIs，或者选择ROI ToolFileSubset datavia ROIs，选择要裁剪图像，点击OK； （6）在弹出的Spatial Subsetvia ROIParameters窗口中选择进行裁剪的感兴趣区域及输出文件。 （7）单击OK，对图像进行裁剪处理。 （8）下图便是矢量裁剪的结果四辐射定标的过程拿到一幅原始图像,我们先要进行辐射定标,目的是把图像上的DN值转为辐亮度或者是反射率（即辐射定标）.另外通过大气纠正,我们可以消除一些大气的干扰（即大气校正）.本实验主要学习辐射定标。 辐射定标的结果可以是表观辐亮度（L），也可以是表观反射率()。 大气校正部分，感兴趣的同学可以自己去关注6S或者其它大气校正的软件。 一般有两种方式第一种利用计算公式，在ENVI中利用band math（波段运算）计算辐亮度或者反射率；第二种利用ENVI自带的对TM的定标工具，进行定标，获取辐亮度或者反射率。 第一种方法利用计算公式，通过ENVI的波段运算进行定标1）计算表观辐亮度的公式radiance=（lmax-lmin）/（qcalmax-qcalmin）*（qcal-qcalmin）+lmin其中radiance表观辐亮度qcal-DN（也就是影像数据本身）；lmax和lmin是从参数表中查询；.qcalmax是DN值的最大值，对于TM是8bit来说，qcalmax=255；Qcalmin是DN值的最小值，一般为0。 所以上面的公式针对TM数据可以简写成radiance=（lmax-lmin）/qcalmax）*qcal+lmin即上面的这个公式还可以进一步简化为两个公式比较，可以看出，公式的中字母的对应关系。 注意公式中需要的数据，可以通过后面的表格中查询获取！2）表观反射率的计算=*L*d2/（ESUN*cos（）其中为表观反射率；L为上一步计算出来的表观辐亮度；d为日地距离，这个数据通过下面的表格中获取；ESUN为大气层外的太阳辐射,也可以说是传感器接收处的太阳辐射;为太阳天顶角。 （这个可以通过影像的元数据获取）关于辐亮度和反射率的计算，举例说明如下例如:我们把xx年四月份的TM图像第3波段的DN值转化为表观辐亮度。 运用公式1）表观辐亮度的计算radiance=（lmax-lmin）/（qcalmax-qcalmin）*（qcal-qcalmin）+lmin qcal-DN highgain b3-lmax=264，lmin=-1.17（这些数值都是从下面给出的表中获得）把这些数据都带入上面的公式之后变成，计算获得L3=1.039880*b3-1.17注意这里面的B3就是波段3的每个像元的数值，也就是DN值。 只要在波段运算的公式中输入上面这个公式，然后b3选择波段三就可以记得得到表观辐亮度的一副影像数据。 2）表观反射率的计算=*L*d2/（ESUN*cos（）L-radiance=42.43。 d=0.9909=3.1415ESUN1554（b3的ESUN是1554，查表获取）.把数据带入上面公式就可以计算得到表观反射率数据。 当然计算表观反射率的时候，可以把1）和2）的这两个公式可以合并成为一个，如下的计算3=*L3*d2/（ESUN*cos（）=3.1415*(1.039880*b3-1.17)*0.99092/(1554*(cos42.43)=3.1415*(1.039880*b3-1.17)*0.99092/(1554*0.7381)以上是公式的推导，下面是对结果的计算，以3=3.1415*(1.039880*b3-1.17)*0.99092/(1554*0.7381)为例，说明波段运算可以看出，要想获得表观反射率数据3，只需要带入b3的数据就可以，b3就是波段3的DN值；实施运算Basic toolsband math，输入运算式，如上图然后指定B3是指哪个波段的数据，如下图五图像镶嵌影像镶嵌是指在一定地数学基础控制下，把多景相邻遥感影像拼接成一个大范围的影响图的过程。 下面以两幅经过几何校正的TM30米图像为例（文件名分别为m osaic_2和m osaic1_equal），介绍ENVI环境下图像的镶嵌过程。 操作步骤如下 （1）选择主菜单FileOpen ImageFile，打开要进行拼接的图.像； （2）单击主菜单MapMosaickingGeoreferenced，打开图像镶嵌窗口； (3)在Map BasedMosaic窗口中单击ImportImport Files命令； （4）在弹出的Mosaic Input Files对话框中选择待拼接的图像文件； （5）点击OK，把图像加载到了图像镶嵌的窗口中； （6）在图层列表栏中选择需要调整重叠次序的图层，右键点击选择Raise Imageto Top或者Raise Imageto Position进行重叠次序的调整； （7）在图层列表栏中选择需要调整重叠次序的图层，右键点击选择Edit Entry对图像镶嵌参数进行设置；相关参数说明?在Edit Entry对话框中，设置Data Valueto Ignore:0，忽略0值，Feathering Distance设置羽化半径；?在Entry参数对话框中，单击Select CutlineAnnotation File按钮，选择切割线的注记文件；点击按钮进行波段组合设置；?在Color Balancing中对图像进行调色处理，这里选择Adjust对图像mosaic_2.img进行调色； （8）点击OK。 （9）点击File菜单下的Save template命令对图像进行虚拟镶嵌； （10）点击File菜单下的Apply命令，打开镶嵌图像保存对话框，设置输出的像元分辨率，重采样方法以及输出文件名等参数，点击OK完成图像的镶嵌和保存。 . （11）点击OK进行图像的镶嵌（如右上图）。 六图像增强转换处理1Principal ComponentAnalysis(主成分分析)主成分分析（PCA）用多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。 这一技术对于增强信息含量、隔离噪声、减少数据维数非常有用。 ENVI能完成正向的和逆向(正向的PC旋转)正向的PC旋转用一个线性变换使数据差异达到最大。 当你运用正向的PC旋转时，ENVI允许你计算新的统计值，或将已经存在的统计项进行旋转。 输出值可以存为字节型、浮点型、整型、长整型或双精度型。 你也可以基于特征值抽取PC旋转输出的部分内容，生成只有你需要的PC波段的输出。 一旦旋转完成，将会出现PC特征值图。 显示出每一个输出的PC波段的差异量。 PC波段将显示在Available BandsList中。 Compute NewStatistics andRotate(计算新的统计值和旋转)这一选项用于计算数据特征值、协方差或相关系数以及PC正向的旋转。 1选择TransformsPrincipal ComponentsForward PCRotationCompute NewStatistics andRotate.2出现Principal ComponentsInput File对话框时，选择输入文件或用标准ENVI选择程序建立子集。 3出现Forward PCRotation Parameters对话框时，在“Stats X/Y ResizeFactor”文本框键入小于1的调整系数，对计算统计值的数据进行二次抽样。 键入一个小于1的调整系数，以提高统计计算的速度。 例如，在统计计算时，用一个0.1的调整系数将只用到十分之一的像元。 4若需要，键入一个输出统计文件名。 5点击按钮，选择是否计算“Covariance Matrix”。 计算主成分时，有代表性地要用到协方差矩阵。 当波段之间数据范围差异较大时，要用到相关系数矩阵，并且需要标准化。 6选用“File”或“Memory”输出。 若选择输出到“File”，在标有“Enter OutputFilename”的文本框里键入要输出的文件名；或用“Choose”按钮选择一个输出文件名。 7从“Output DataType”菜单里，选择需要的输出类型（字节型，整型，无符号整型，长整型，无符号长整型，浮点型，双精度型）。 8用下列选项，选择输出PC波段数。 限定输出PC波段数，键入需要的数字，或用“Number ofOutput PC Bands”标签附近的按钮确定输出的PC波段数。 默认的输出波段数等于输入的波段数。 通过检查特征值，选择输出的PC波段数。 A点击“Select Subsetfrom Eigenvalues”标签附近的按钮，选择“YES”。 特征值将被计算，出现Select Output PC Bands对话框，列表显示着每一个波段和其相应的特征值。 同时也为所有波段显示出每个波段中包含的数据变化的累积百分比。 B在“Number ofOutputPCBands”文本框里，键入一个数字或点击按钮，确定输出的波段数。 特征值大的PC波段包含最大量的数据差异。 较小的特征值包含较少的数据信息和较多的噪声。 .有时，为存储磁盘空间，最好仅仅输出特征值大的那些波段。 C在Select OutputPCBands对话框里，点击“OK”。 输出的PC旋转将只包含你选择的波段数。 例如，如果你选择“4”作为输出的波段数，只有前4个波段会出现在你的输出文件里。 9选择上面一个选项以后，在Forward PCRotation Parameters对话框里，点击“OK”为选择的输入文件计算协方差或相关系数和特征值，并进行正向的PC旋转。 当ENVI已经处理完毕，将出现PCEigenValues绘图窗口，PC波段将被导入Available BandsList中，你可以从列表中选择显示。 下图图左为原图像，右图为正向PC旋转后的图像Inverse PCRotation(反向PC旋转)将主成分图像变换回到它们的原始数据空间1选择TransformsPrincipal ComponentsInverse PCRotation.2当出现标准ENVI选择文件或子集对话框时，选择你的输入文件，并用标准ENVI文件选择程序建立需要的子集。 出现另一个文件选择对话框，在当前输入数据目录中，列表显示出了已经存在的统计文件（默认扩展名为.sta）。 3用标准ENVI文件选择程序选择前面在正向PC旋转中存储的统计文件。 注意在选择反向PC旋转之前，统计文件必须已经存在。 4在“Calculate using”标签附近，选择“Covariance Matrix”或“Correlation Matrix”。 5选用“File”或“Memory”输出。 若选择输出到“File”，在标有“Enter OutputFilename”的文本框里键入要输出的文件名，或用“Choose”按钮选择一个输出文件名。 6从“Output DataType”下拉菜单里，选择一个数据类型，作为输出文件的数据类型。 7点击“OK”运行反向变换。 当ENVI已经处理完毕，PC波段将被导入Available BandsList中，你可以从列表中选择显.示（用标准灰阶或RGB彩色合成方法）。 下图图左为原图像，右图为反向PC旋转后的图像Color Transfroms(颜色变换)颜色变换将3-波段红、绿、蓝图像变换成一个特定颜色的空间，并且从能从选择的色彩空间转回到RGB。 两次变换之间，通过用对比度拉伸，你可以生成一个色彩增强的彩色合成图像。 此外，亮度波段值可以被另一个波段代替（通常比较高的空间分辨率），生成一幅合成图像（将一幅图像的色彩特征与另一幅图像的空间特征相结合）。 这可以由IHS尖锐化自动完成。 由ENVI支持的彩色空间包括“色调，饱和度，数值（HSV）”变换，“（色调，亮度，饱和度（HLS）”变换和“USGS Munsell”变换（作为一个用户函数）。 Munsell颜色系统被土壤科学家和地质学家用于描述土壤和岩石的颜色特征。 这套颜色系统已经被美国地址勘察部门作了修订，以描绘数字图像的颜色。 变换将RGB坐标变成了色彩坐标色调、饱和度和数值。 色调变化范围0360，这里0与360代表蓝，120代表绿，240代表红。 饱和度变化范围是0208，值越高代表颜色越纯。 值的变化范围大致是0512，较高的数代表较亮的颜色。 Munsell彩色变换被编入到了ENVI用户函数中，代码作为一个例子被包括了进去）。 注意色彩变换需要输入三个波段。 这些波段应该被拉伸为字节数据，或能从一个开放的色彩显示中选择。 Forward-to Color Space(向前到彩色空间)RGB toHSV这一变换类型允许你将一幅RGB图像变换为HSV彩色空间。 生成的RGB值是字节数据，其范围为0到255。 运行这一功能必须先打开一个至少包含3个波段的输入文件，或一个彩色显示能用于输入。 在彩色显示中用到的拉伸将被用到输入数据。 这一功能产生范围为0360度的色调（红是0度，绿是120度，蓝是240度）、饱和度和值的范围是01（浮点型）。 1选择TransformsColor TransformsForward to Color SpaceRGB toHSV。 2出现RGB toHSV Input对话框时，从一个显示的彩色图像或Available BandsList中选择三个波段进行变换。 从一幅彩色显示中选择你的波段，运用已经显示的拉伸数据。 从RGB到HSV输入列表中选择一个显示，如“Display#1”。 出现RGB toHSV Parameters对话框时，ENVI自动地从已经选择的窗口里运用RGB波段，并在标有“Input RGBBands”的文本下方列表显示。 .你可以用标准ENVI构建子集程序，选择一个空间子集。 从Available BandsList中选择你的波段。 注意用这一项时，不用拉伸，所有数据都是字节型的。 A从RGB toHSV输入对话框里，选择“Available BandsList”。 B出现RGB toHSV Input Bands对话框时，从Available BandsList中，点击三个需要的波段名，以用在正向的变换中。 你可以用标准ENVI构建子集程序，选择一个空间子集。 重新设置选项，点击“Reset”。 C点击“OK”，出现RGB toHSV Parameters对话框。 3选择输出到“File”或“Memory”。 若选择输出到“File”，在标有“Enter OutputFilename”的文本框里键入要输出的文件名；或用“Choose”按钮选择一个输出文件名。 4点击“OK”开始处理。 出现一个状态窗口。 当向前变换全部完成时，HSV名字将被存入Available BandsList中，在那里可以用标准ENVI灰阶或RGB彩色合成方法显示。 下图图左为原图像，右图为RGB toHSV后的图像RGB toHLS这一项允许你将RGB图像变换成HLS（色调，亮度，饱和度）彩色空间。 这一功能生成的色调范围是0360度（红为0度，绿为20度，蓝是240度），亮度和饱和度范围为01（浮点型）。 运行这一功能必须先打开一个至少包含3个波段的输入文件，或一个能用于输入的彩色显示。 生成的RGB值是字节数据，其范围为0到255。 1选择TransformsColor TransformsForward toColorSpaceRGB toHLS。 2出现RGB toHLS Input对话框时，从一个显示的彩色图像或Available BandsList中选择三.个波段进行变换。 从一幅彩色显示中选择你的波段，运用已经显示的拉伸数据。 从RGB到HLS输入列表中选择一个显示，如“Display#1”。 出现RGB toHLS Parameters对话框时，ENVI自动地从已经选择的窗口里运用RGB波段，并在标有“Input RGBBands”的文本下方列表显示。 你可以用标准ENVI构建子集程序，选择一个空间子集。 从Available BandsList中选择你的波段。 注意用这一项时，不用拉伸，所有数据都是字节型的。 A从RGB toHLS Input对话框里，选择“Available BandsList”。 B出现RGB toHLS Input Bands对话框时，从Available BandsList中，点击三个需要的波段名（若需要，可以运用一些空间子集），以用在正向的变换中。 你可以用标准ENVI构建子集程序，选择一个空间子集。 重新设置选项，点击“Reset”。 C点击“OK”，出现RGB toHLS Parameters对话框。 3选择输出到“File”或“Memory”。 若选择输出到“File”，在标有“Enter OutputFilename”的文本框里键入要输出的文件名；或用“Choose”按钮选择一个输出文件名。 4点击“OK”开始处理。 出现一个状态窗口。 当向前变换全部完成时，HLS名字将被存入Available BandsList中，在那里可以用标准ENVI灰阶或RGB彩色合成方法显示。 下图图左为原图像，右图为RGB toHLS后的图像USGS Munsell RGB toHSV.1选择TransformsColor TransformsForward-toColorSpaceUSGS MunsellRGB toHSV。 ENVI用户函数“MUNSELL.PRO”将自动被装载和运行。 2出现USGS MunsellRGB toHSV Input File对话框时，顺序点击三个波段装上，作为RGB。 可以用标准ENV I程序，选择空间子集。 重新设置选项，点击“Reset”。 3点击“OK”继续。 4出现Munsell HSVOutput对话框时，选择输出到“File”或“Memory”。 若选择输出到“File”，键入要输出的文件名。 5点击“OK”开始处理。 当变换全部完成时，波段将被存入Available BandsList中。 下图图左为原图像，右图为USGS MunsellRGB toHSV后的图像Reverse-to RGB(反向到RGB)HSV to RGB这一项允许你将一幅HSV图像变换成RGB彩色空间。 生成的RGB值是字节型数据，范围为0255。 1选择TransformsColor TransformsReverse toRGBHSV toRGB。 2出现HSV toRGB Input对话框时，从整个Available BandsList中，点击合适的波段名，选择参与变换的波段。 波段名将出现在标有“H”，“S”，“V”（分别代表色调，饱和度和值）的文本框里。 若需要，用标准ENVI构建子集程序建立你的数据子集。 3点击“OK”继续。 .4出现HSV toRGB Parameters对话框时，选择出到“File”或“Memory”。 若选择输出到“File”，键入要输出的文件名。 5点击“OK”开始处理，出现一个状态窗口。 当反向变换全部完成时，RGB名字将被存入Available BandsList中，在那里可以用标准ENVI灰阶或RGB彩色合成方法显示。 输下图图左为原图像，右图为HSV toRGB后的图像HLS toRGB这一项允许你将一幅HLS（色调、亮度、饱和度）图像转变回RGB彩色空间。 产生的RGB值是字节型数据，范围是0255。 1选择TransformsColor TransformsReverse toRGBHLS toRGB。 2出现HLS toRGB Input对话框时，点击合适的波段名，选择参与变换的波段。 波段名将出现在标有“H”，“L”，“S”（分别代表色调，亮度和饱和度）的文本框里。 若需要，用标准ENVI构建子集程序建立你的数据子集。 3点击“OK”继续。 .4出现HLS toRGB Parameters对话框时，选择输出到“File”或“Memory”。 若选择输出到“File”，键入要输出的文件名，或点击“Choose”按钮，选择一个文件名5点击“OK”开始处理，出现一个状态窗口。 当反向变换全部完成时，RGB名字将被存入Available BandsList中，在那里可以用标准ENVI显示方法显示。 下图图左为原图像，右图为HLS toRGB后的图像USGS MunsellHSV toRGB这一项允许你将USGS MunsellHSV图像变换成RGB彩色空间。 1选择TransformsColor TransformsReversetoRGBSpaceUSGS MunsellHSV toRGB.ENVI用户函数“MUNSELL.PRO”将自动被装载和运行。 2出现USGS MunsellHSV toRGB Input对话框时，顺序点击三个波段名，作为HSV。 若需要，用标准ENVI程序选择数据子集。 重新设置选项，点击“Reset”。 3点击“OK”继续。 4出现MunsellRGBOutput对话框时，选择输出到“File”或“Memory”。 若选择输出到“File”，键入要输出的文件名，或点击“Choose”按钮，选择一个文件名。 .5点击“OK”开始处理。 当变换全部完成时，波段将被显示在Available BandsList中。 _下图图左为原图像，右图为USGS MunsellHSV toRGB后的图像Decorrelation Stretch(去相关拉伸)RGB彩色合成时，波段被显示在一起，高度相关的多波谱数据集经常生成十分柔和的彩色图像。 去相关提供了一种消除这些数据中高度相关部分的一种手段。 注意到，当ENVI提供一种具体的去相关程序时，类似的结果还可以用一个正向PCA、反差拉伸和反向PCA变换序列得到。 去相关拉伸需要输入三个波段。 这些波段应该为拉伸的字节型，或从一个打开的彩色显示中选择。 1选择TransformsDecorrelation Stretch2出现Decorrelation StretchInput对话框时，从一个打开的彩色图像或Available BandsList中选择三个波段进行变换。 选择彩色显示的波段，用已经显示的拉伸，点击需要打开的显示号，用标准ENVI程序建立空间子集。 ENVI自动地用Decorrelation StretchParameters对话框中显示的RGB波段。 从Available BandsList中选择你的三个波段。 注意用这一项时，不用拉伸，所有数据都是字节型的。 A从Select InputRGB对话框里，选择“Available BandsList”。 B出现Decorrelation StretchInputBands对话框时，顺序点击三个需要的波段名，用标准ENVI程序运行空间子集。 C点击“OK”，显示Decorrelation StretchParameters对话框，它显示出了你已经选择的用于去相关的波段。 3选择输出到“File”或“Memory”，如果文件输出，提供一个文件名。 若选择输出到“File”，键入要输出的文件名。 4点击“OK”开始去相关处理。 在屏幕上将出现一条状态信息，表明正处于计算中的每一个波段。 完成以后，ENVI将去相关拉伸名输入到Available BandsList中，在那里图像可以用标准ENVI灰阶或RGB彩色合成方法显示。 下图图左为原图像，右图为Decorrelation Stretch(去相关拉伸)后的图像.Saturation Stretch(饱和度拉伸)饱和度拉伸变换对输入的一个三波段图像进行彩色增强。 输入的数据由红、绿、蓝变换成色调、饱和度和颜色值。 对饱和度波段进行了高斯拉伸，因此数据填满了整个饱和度范围。 然后，HSV数据自动被变换回RGB空间。 这一功能生成的输出波段包含有较饱和的色彩。 饱和度拉伸需要输入三个波段。 这些波段应被拉伸成字节型数据，或能从打开的彩色显示中选择。 1选择TransformsSaturation Stretch。 2出现Saturation StretchInput对话框时，从一个打开的彩色图像或Available BandsList中选择三个波段进行变换从一幅彩色显示中选择你的波段，运用已经显示的拉伸数据。 点击需要的显示号，用标准ENVI程序构建空间子集。 ENVI自动地用显示在Saturation StretchParameters对话框中的RGB波段。 从Av