[理学]erdas数据处理综合练习.doc

实验四 数据导入导出 由tiff格式转变成image格式，要把图像一个一个进行转换。 数据融合 把各个波段进行融合，即1—5波段和7波段，输入的时候要注意顺序，一定按照123457顺序输入，因为处理的时候有默认的顺序，若先输入7，则将会把7按照1进行处理，错。 融合后的三幅图像名字依次为： 03320000516.img 03220000507.img 03320000507.img 图像拼接 拼接后输出mosaic.img 按照该方法依次添加另外两幅影像。 用ArcMap打开保定市地图（设置坐标为Beijing54，110，25，47不能设置为别的坐标系，因为原图下载的时候就是Beijing54坐标，老师把坐标搞丢了，我们现在加上~~），然后把图导出baoding。 重新建立一个数据框，打开mosaic.img（它本身的坐标为beijing84），然后再打开baoding，这个时候两幅图的坐标不同，但是在同一个数据框架下打开，将自动进行坐标转换，把baoding的坐标由beijing54转换成为beijing84，此时把baoding1再次输出。 对“图层”右击，打开“属性” 确定 导出数据为baoding 新建数据框架，首先添加mosaic.img,再添加baoding，会弹出对话框提示坐标。 然后再对baoding进行数据输出。保存为baoding1 图像转换 把输出的图像baoding1由矢量变成栅格 图像裁剪 输出图像mask.img 最后在view中打开mask.img 最佳波段的选择 遥感数据的统计特征分析 321波段分别是是RGB，相关性相关性较大; 4是近红外，57是中红外，6是热红外 因此选择123中一个波段（选择标准差较大的那个），57选择一个波段，4一个波段，三个波段进行融合 各波段数据的相关性分析，算相关系数，最后输出一个矩阵，存储在。 双击图mask.img 双击 双击 对图像进行投影变换 进行土地利用变化研究，需要保证面积没有变形，故需要转化成等积投影 Mask.img为等角投影，面积变化较大。 监督分类 改变显示字段，不显示RED GREEN　　BLUE三个字段 在图中开始选取同种颜色的区域 点击，在窗口的图像上画出一个样本，在Signature Editor对话框中点击按钮，将样本添加到对话框中。（如：每个类型的利用类型画5个样本）如下图 然后选中这五个进行合并 重命名，并且把之前的这五个删掉，留下合并后的。用同样的方法把另外四种地形全部找出，做完后保存名称为fenlei.sig 。 执行监督分类：工具栏→Classifier→Supervised Classification。 注意：在输出时必须不能选择Classify Zeros即输出结果中不计算0值。 否则，输出后，图带底色。。。 评价分类模板 分类精度评估 点击Classifier下的Accuracy Assessment，open打开监督分类后图像，出现如下对话框 在此窗口打开fenleijiandu.img 在View窗口中打开mask.img。 原始图像和分类后图像的链接：点击在Accuracy Assessment对话框中的 按钮，然后在原始图像mask.img上点击一下，就把两个图像连接在一起。 为参考点选择颜色，蓝色在原图像中显示较明显。 创建随机点 Search Count：确定随机点过程中，出现的最多分析象元数。Number of Points：产生的随机点个数，设置为12。 在view窗口中的原始图像上面显示随机点 可以发现并不是所有随机点都在图上，有的在图外，所以要把在图外的点删除。 删除后 剩余的几个点与fenlei.sig进行比较，看看是不是分类正确，如9代表的是未利用地，几个点也全是未利用地，在reference中就输入9，予以确认，确认后，则在原图中的点变成黄色。 导出分类报告 分布精度为100% 分类后处理： 聚类统计：Interpreter→GIS Analysis→Clump。统计分类后的图像中不和分类的斑点。 过滤分析：Interpreter→GIS Analysis→Sieve。 去除分析：Interpreter→GIS Analysis→Eliminate。 导出图像：工具栏→Vector→Raster to Vector。 在ArcMap中导入图像右击属性，将图像颜色转成多个字段专题地图。 2000年保定市土地利用图 第 6 页 共 38 页 第 6 页 共 38 页