在matlab中进行遥感影像地理坐标的相互转换

在matlab中进行图像处理,一般使用的都是图像本地坐标,以左上角(1,1)开始。处理完成后,如果要将结果在带地理坐标的遥感影像中显示,或者需要输出成shp文件,就需要涉及到本地坐标和地理坐标的转换,我们可以使用pix2map函数来实现这个功能。

clc;clear;close all;
[pic, R] = geotiffread(‘boston.tif‘); %读取tif图像
figure(1),imshow(pic);% pic即为本地图像,下面对本地图像进行操作
gray=rgb2gray(pic);
bw=im2bw(gray,0.1); %阈值分割
bw=1-bw;
bw1 = bwareaopen(bw,500000); %删除面积小于500000的区域
bw2=imfill(bw1,‘holes‘);  %填充孔洞
figure(2),imshow(bw2);
bw3=bwboundaries(bw2);  %得到边缘轮廓
data=bw3{1,1}; %得到轮廓线的坐标,一个N*2的矩阵,此坐标为本地图像坐标
[lonX,latY]=pix2map(R,data(:,1),data(:,2)); %将本地图像坐标转换为地理坐标
figure(3),axis off;
mapshow(‘boston.tif‘);  %显示带地理坐标的遥感影像
mapshow(lonX,latY,‘Color‘,‘r‘); %在遥感影像上显示轮廓
时间: 2024-10-05 11:55:36

在matlab中进行遥感影像地理坐标的相互转换的相关文章

在matlab中实现遥感影像和shp文件的结合显示

clc;close all;clear; road=shaperead('boston_roads.shp'); %读取shape文件 figure, mapshow('boston.tif'); %读取tif遥感影像并显示 axis image manual off; %关闭本地坐标系统 surveyFeetPerMeter = unitsratio('sf','meter'); %将米级单位转换成surveyFeet单位 colorTab='rgbcymkw'; %颜色代码表,不同等级的公路

Matlab计算多幅遥感影像交集面积占比

一个文件夹中有同一时间不同的遥感影像,有LST NDVI.反射率等,而想要知道这些像元数量相同,填充值和背景值均为nan的影像的交集部分占该影像研究区(已经经过研究区矢量裁剪)的比例,以及不同类别遥感影像的覆盖面积比例,主要目的是想以多种数据交集覆盖面积比例来判断改天是否适合数据反演 1 函数 函数基本结构 function[输出形参表: output1, ...,outptn] = 函数名(输入形参表: input1, ... , inputn) 注释说明部分 函数体代码部分 end 函数名:

基于单分类器的高分辨率遥感影像道路提取

本人硕士阶段做了很久的高分辨率遥感影像道路提取,颇有心得,在此,本人将最新的研究成果进行开源... 大家都知道,传统的基于机器学习的分类方法通常需要正负样本的同时参与,才能得到目标类,但是负样本的勾选,通常很困难,也非常难获得,根据文献- <Elkan, Charles, and Keith Noto. "Learning classifiers from only positive and unlabeled data." Proceedings of the 14th ACM

遥感影像滤波处理软件 — timesat3.2

最近因为要做遥感影像的滤波处理,经过女神推荐,决定用Timesat,可是该软件3.1版本只适合xp系统以及2011的matlab,后来在官网上找到了最新的3.2版本.支持64位操作系统以及2014的matlab.大家可以直接上官网(http://www.nateko.lu.se/TIMESAT/timesat.asp )注册下载,但是有一个问题是,官网注册的时候,会用到Google公司的rechaptcha验证码系统,因为大天朝的墙太高了,所以是刷不出来的,可以选择挂vpnFQ下载.如果不想FQ

遥感影像显示相关的技术总结

遥感影像显示相关的技术总结 前言 从事遥感影像和图像处理有一段时间了,今天就把遥感影像显示相关的技术和大家分享一下. 平常我们用的GIS软件或者说遥感软件都能讲遥感影像的数据显示在屏幕上,并且有些显示效果还不错,其中ENVI的显示效果是业界做得比较好的,尤其是ENVI5.0之后的大视图,能够根据真彩色的波段自动选择波段进行显示.遥感影像显示其实就是图像显示,和我们生活中常见的图像显示没有太大区别,基本上原理是一样的,但也有自己独特的地方,之后会讲到.首先,我们来看看图像显示的基本过程,即图像是怎

1. GDAL与OpenCV2.X数据转换(适合多光谱和高光谱等多通道的遥感影像)

一.前言 GDAL具有强大的图像读写功能,但是对常用图像处理算法的集成较少,OpenCV恰恰具有较强的图像处理能力,因此有效的结合两者对图像(遥感影像)的处理带来了极大的方便.那么如何实现GDAL与openCV间的数据交换成为影像处理中的关键步骤.接下来我将记录下:1 如何将GDAL读取的影像转化为openCV支持的的MAT格式?2 如何将处理后MAT数据转化为合适的图像格式存储?(PS:本人也是初次使用GDAL和openCV,代码很水...只是记录下自己学的,和大家交流下) 二.GDAL数据到

GDAL与OpenCV2.X数据转换(适合多光谱和高光谱等多通道的遥感影像)

一.前言 GDAL具有强大的图像读写功能,但是对常用图像处理算法的集成较少,OpenCV恰恰具有较强的图像处理能力,因此有效的结合两者对图像(遥感影像)的处理带来了极大的方便.那么如何实现GDAL与openCV间的数据交换成为影像处理中的关键步骤.接下来我将记录下:1 如何将GDAL读取的影像转化为openCV支持的的MAT格式?2 如何将处理后MAT数据转化为合适的图像格式存储?(PS:本人也是初次使用GDAL和openCV,代码很水...只是记录下自己学的,和大家交流下) 二.GDAL数据到

利用Photoshop进行遥感影像的色彩处理

参考"刘伟华 "写的文章,总结如下: 数字正射影像作为一种重要的数字测绘产品,已经广泛地被社会各行业所认可,尤其在建设基础地理信息框架.数字城市构建.交通和城市规划.居家旅游.土地资源调查.环境和灾害的监测等很多行业,发挥了越来越重要的作用.无论是通过航空或卫星方式获取的影像资料,由于地域特点.天气和季节条件.传感器等因素的存在,原始遥感影像一般不能直接应用于各种工程项目,通常要做大量的处理,才能进行提供给用户使用.这些处理包括几何纠正.格式转换.色彩增强等等,其中影像的色彩处理最复杂

提取遥感影像有效区域

利用某些算法处理遥感影像时,需要排除无效区域,因此找出有效区域范围变的至关重要,下面根据我的经验谈谈有效区域提取的具体方法及实现. 创建金字塔图层 由于遥感影像数据量比较大,因此为了提高处理效率,提取有效区域需要在金字塔图层进行.金字塔的创建可以利用GDAL进行,也可以自己进行缩放. 提取有效区域shp文件 为了提取有效区域,我研究了两种方法可以实现,分别是栅格矢量化和轮廓跟踪,下面具体解释两种方法的区别: 栅格矢量化 该方法原理比较简单,首先按照指定的无效值,将图像进行二值化,得到掩模图,然后