ENVI操作

ENVI图像拼接、栅格转矢量、图像裁剪、图像融合

ENVI图像拼接

在ENVI主菜单中选择Map—Mosaicing—Georeferenced，在Mosaic对话框中点击Import —Import File，选择需要拼接的两幅图像，然后进行图像拼接。然后对图片点击右键，选中Edit Entry，在Edit Entry对话框中，设置Data Value to Ignor：0，忽略0值，设置Feathering Distance为10，羽化半径为10个像素，点击OK确定。

点击file-apply，保存即可

ENVI栅格转矢量

1）要将感兴趣区转换成矢量多边形，在ROI Tool对话框中选择File → Export ROIs to EVF，打开Export Region to EVF对话框。

2）高亮显示区域的名字来选择其中某个区域。选择All points as one record单选按钮选项，在Layer Name文本框中输入层的名字，点击Memory，然后点击OK转换第一个感兴趣区。

i.重复上面的步骤，转换第二个感兴趣区。

ii.矢量层的名字都会在可用矢量列表中列出。

3）在可用矢量列表中，点击Select All Layers，然后点击Load Selected按钮。

4）在Load Vector对话框中，选择New Vector Window打开一个新的矢量显示窗口。

i. 这些矢量将以多边形的方式加载到Vector Window #1对话框中。

5）在Vector Window #1对话框中，选择Edit → Add Attributes给多边形添加属性信息。6）按照本专题辅导209页所描述的内容来添加属性信息。

i.这样就可以同其它矢量数据一同使用查询和GIS分析功能了。通过在Vector Window Parameters对话框中，选择File → Export Active Layer to Shapefile，将这些矢量导出成shape文件。

6、等值点/等值线插值成栅格影像

1）在ENVI主菜单中，选择Topographic >Convert Contours to DEM，或Vector > Convert Contours to DEM。

2）在文件选择对话框中，选择包含地形等高线的EVF文件和高程属性。

3）将出现Convert Elevation Contours to Raster DEM对话框。

4）在“Elevation Attribute Column”标签旁的下拉菜单中，选择包含等高线高程的属性。

5）如果需要，输入有效高程范围（与高程属性单位相同），高程处于有效范围外的矢量在构建DEM时将被忽略。

6）键入输出像元尺寸和数据类型。

7）注意：

8）像元尺寸在处理开始之前可以更改（参见下面的第9步）。建议设定的输出像元尺寸要适当大于矢量结点的采样距离。

9）通过选择内插方法和外插选项，设置栅格参数。

10）要选取输出的DEM的空间子集，点击对话框底部的“Map”或“File”按钮，前者允许你将DEM限定在由地图坐标指定的区域内，后者允许你将DEM限定在与现存的经过地理坐标定位的文件相同的区域内。

11）为输出的DEM选择一个地图投影类型。

12）注意：

13）该投影类型不必与输入的矢量数据的投影类型相同。

14）点击“OK”继续。

15）将出现DEM Output Parameters对话框。

16）检查显示在“Gridded DEM Output Image”标题下的信息，确定它们都是正确的。如果要更改包括像元尺寸在内任何输出参数，点击“Change Output Parameters”按钮。

17）为DEM结果选择输出到“File”或“Memory”。

18）点击“OK”开始处理。

envi图像裁剪

第一步，打开ENVI-----点击File--Open Vector File--打开之前获得的矢量数据，跟着打开File--Open Image File--需要裁剪的遥感数据。

第二步，在Available Vectors List对话框中File--Export Layers to ROI--选择待裁剪的遥感数据----选择Convert all records of an EVF layer to one ROI，这样，就将在ArcGIS中得到的矢量边界数据转换成了ENVI中的ROI数据。

第三步，接着在图像Image窗口中点击Tools--Region Of Interest--ROI Tool，会看到在图像窗口中显示了之前的矢量边界。

第四步，然后在ROI Tool窗口中点击File--Subset Data via ROIs--选择裁剪图像--将输出影像背景灰度设为0--选择输出路径--OK。

这是最终结果。

图像融合

图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。

ENVI中提供融合方法有：

HSV变换

Brovey变换

这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。

这两种操作方法基本类似，下面介绍Brovey变换操作过程。

（1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。

（2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。

（3）选择Display窗口中选择RGB，单击OK。

（4）Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。

对于多光谱影像，ENVI利用以下融合技术：

Gram-Schmidt

主成分（PC）变换

color normalized (CN)变换

Pan sharpening

这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。

这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。

（1）打开融合的两个文件。

（2）选择主菜单-> Transform->Image Sharpening->Gram-Schmidt Spectral Sharpening 或者选择主菜单->Spectral->Gram-Schmidt Spectral Sharpening。

（3）在Select Low Spatial Resolution Multi Band Input File对话框中选择低分辨率多光谱图像，在Select High Spatial Resolution Pan Input Band对话框中选择高分辨率单波段图像。

（4）在弹出的Gram-Schmidt Spectral Sharpening输出对话框中，需要选择降低高分辨率全色波段的方法，有四种方法的意义如下：

AvAverage of Low Resolution Multispectral File：利用多光谱波段的平均值来模拟低分辨率的全色波段。

Select Input File：从外部文件中选择一个单波段并且与多光谱数据相同尺寸大小的图像来模拟模拟低分辨率的全色波段。

Create By Sensor Type: 选择一种传感器来模拟低分辨率的全色波段。可选传感器包括：IKONOS, IRS1, KOMPSAT-2, Landsat7, QuickBird, 和 SPOT 5，选择这个方法，融合图像是经过辐射定标的数据。

User Defined Filter Function：选择一个滤波函数来模拟低分辨率的全色波段。融合图像是经过辐射定标的数据。

选择Average of Low Resolution Multispectral File方法。

（5）选择重采样方法和输入路径及文件名，单击OK输出。

下表为各个融合方法的适用范围。

下面对上述几种融合方法做一个简单的介绍。

HSV变换

首先对RGB图像变换HSV颜色空间，用高分辨率的图像代替颜色亮度值波段，自动用最近邻或双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB颜色空间。

Brovey变换

对RGB图像和高分辨率数据进行数学合成，从而使图像融合，即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值。然后自动地用最近邻、双线性或三次卷积技术将3个RGB波段重采样到高分辨率像元尺寸。

Gram-Schmidt

第一步，从低分辨率的波段中复制出一个全色波段。第二步，对复制出的全色波段和多波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段。第三步，用高空间分辨率的全色波段替换Gram-Schmidt 变换后的第一个波段。最后，应用Gram-Schmidt反变换得到融

合图像。

主成分（PC）变换

第一步，先对多光谱数据进行主成分变换。第二步，用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被匹配到第一主成分波段，从而避免波谱信息失真。第三步，进行主成分反变换得到融合图像。

color normalized (CN)变换

也被称为能量分离变换（Energy Subdivision Transform），它使用来自融合图像的高空间分辨率（低波谱分辨率）波段对输入图像的低空间分辨率（高波谱分辨率）波段进行增强。该方法仅对包含在融合图像波段的波谱范围内对应的输入波段进行融合，其他输入波段被直接输出而不进行融合处理。融合图像波段的波谱范围由波段中心波长和FWHM（full width-half maximum）值限定，这两个参数都可以在融合图像的ENVI头文件中获得。

根据锐化图像波段的波谱范围，可以将输入图像的波段划分为各个波谱单元。系统按照如下方法对相应的波段单元同时进行处理。每个输入波段乘以融合波段，然后再除以波段单位中的输入波段总数，从而完成归一化：ENVI下的图像融合方法

该融合方法需要输入图像与融合图像的单位相同（即都为反射率、辐射率、DN值等）。如果融合图像与输入图像的单位相同不同，在融合输出面板中的Sharpening Image Multiplicative Scale Factor文本框中为锐化图像键入一个比例系数，使之与输入图像相匹配。例如：如果输入图像是定标为单位（反射率*10000）的整型高光谱文件，但是融合图像是被定标为反射率（0到1）的浮点型多光谱文件，应该输入的比例系数为10,000。如果输入图像单位为辐射率[μW/(cm2 .nm.sr)]，而融合图像单位为辐射率[μW/(cm2.m.sr)]，应该输入的比例系数为0.001。