- 综合排序
- 最热优先
- 最新优先
- 来自专栏DevOps
影像瓦片切割
* level); double h = m_srcHeight - (yNum - 1)*tilesize * level; // size_t storeWidth = 0; //读取影像的宽度 * sw; } else { readWidth = tilesize * level* xCount; storeWidth = tilesize * xCount; } //读取影像的高度 storeHeight * bandCount; GByte *imgBuf = new GByte[imgBufNum]; memset(imgBuf, 0, imgBufNum); //读取N列瓦片影像 +iBand) { //计算数据瓦片的波段起始位置 size_t dstStart = tileSizeX * tileSizeY * iBand; //计算读取的原始影像的影像的起始位置 +iBand) { //计算数据瓦片的波段起始位置 size_t dstStart = tileSizeX * tileSizeY * iBand; //计算读取的原始影像的影像的起始位置
61210编辑于 2024-03-29 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Datacloud影像地图覆盖全球的多源影像数据，数据涵盖全球10米影像数据、中国0.8米影像数据、中国城市0.5米影像数据
支持多种遥感数据格式，包括卫星影像、航空影像、激光雷达数据等。 2. 支持栅格和矢量数据的处理和分析，包括地图制作、GIS数据集成、空间分析等。 3. 2022年 空间范围： 全球、中国 数据简介： Datacloud影像地图覆盖全球的多源影像数据，经过智能数据工厂处理加工，整合后切片形成影像瓦片，提供流畅的影像数据服务，数据涵盖全球10米影像数据、中国 0.8米影像数据、中国城市0.5米影像数据等。 引用代码： GEOVIS/Datacloud/ImageMap 0.5米的高分辨率影像指的是该影像每像素所表示的地面面积为0.5平米，也就是每个像素能够显示的地面面积越小，影像的空间分辨率就越高，也就能显示更多的细节信息 这样的高分辨率影像通常用于制图、地理信息系统、城市规划等领域。 高分辨率影像在许多领域都有广泛的应用，以下是一些具体的作用： 1.
51110编辑于 2024-02-02 - 来自专栏二猫の家
利用 Python 处理遥感影像数据：计算年度平均影像
然而，随着观测技术的进步，我们通常会获得大量的遥感影像数据，如何高效地处理和分析这些数据成为了一项挑战。 本文将介绍如何利用 Python 中的 GDAL 库处理遥感影像数据，并通过计算年度平均影像来提取更有意义的信息。 1. 环境准备 在开始之前，确保你已经安装了 Python 和 GDAL 库。 计算年度平均影像 接下来，我们定义了一个名为 calculate_yearly_mean 的函数，它用于计算给定文件夹中所有影像文件的年度平均影像。 在这个函数中，我们首先读取输入文件夹中的所有影像文件，并创建一个字典来存储每年的影像数据。然后，我们遍历每个影像文件，累加每年的像素值和像素计数。 最后，我们计算每年的平均影像，并将结果保存为新的 TIFF 文件。 4.
66510编辑于 2024-03-16 - 来自专栏mathor
matlab—影像分析进阶
十三、影像分析进阶 在这一章里面我们要做的事情全部都围绕两个问题，一个图像当中有多少个xxx，他们的大小是多少，举个例子 ? 图13-1 rice 上图是一个米的影像，这张图片里有很多的米，现在我们的问题是，这里面有多少米，他们的大小是多少？ 13.1 graythresh() and im2bw() 我们要回答上述两个问题，首先要做的是对影像进行预处理，第一步就是对图像进行阈值化处理。 图13-4 阈值化处理2 到此我们的影像预处理算是完成了，得到了一个比较满意的处理后的影像，下面我们就是要想办法让计算机去“数”有多少颗米，这说起来可能比较难，但是我们先分析图上，怎么样算是一颗米，我们不妨先看一下 ，这个函数能够让用户与影像产生交互，bwselct，参数比较简单，直接给出示例 示例： ?
1.4K20发布于 2018-07-24 - 来自专栏思影科技
大话脑影像之二十三：浅谈影像组学
影像组学的概念最早由荷兰学者范尼斯特鲁伊（我瞎说的，荷兰人中我大概只认识他，因为我从小就喜欢看他打篮球，还有个伊布）在2012年提出，其强调的深层次含义是指从影像（CT、MRI、PET等）中高通量地提取大量影像信息 So，从概念可以知道最基本的信息： 1）影像组学的基础是影像数据； 2）影像组学是针对肿瘤的； 3）影像组学研究依靠大量潜在影像信息； 4）影像组学研究绝大部分包含统计方面的数据挖掘工作； 5）辅助临床医师进行诊断 针对以上几个信息点，也就了解了影像组学研究的一个简单流程： 1) 影像数据获取—>2)肿瘤的标定、分割—>3)影像特征的提取—>4)数据挖掘分析[Radiomics: Images Are Morethan 1 影像数据获取 影像数据包括CT、MRI、PET、超声影像等，实验讲究控制变量，因此在一个影像组学研究中，影像数据的客观采集方式是恒定的：同一机器、同一序列、同一参数，如果扫描技师也是同一个人（最好长得还比较帅的那种 影像组学运用高通量计算，在勾画好ROI的影像数据中，能够快速提取成百上千个影像特征。特征类别及其数量总结如下： ?
2.1K40发布于 2019-10-14 - 来自专栏全栈程序员必看
gis如何加载影像图_怎么使用倒车影像倒车
en.wikipedia.org/wiki/SAGA_GIS https://sagatutorials.wordpress.com/about-saga-gis/ （1）使用SAGA GIS导入栅格影像 File——>GIrd——>Load, 通过选择适合你影像的格式，加载影像 这里面说一下我出现的一个问题：因为刚刚使用SAGA，由于图像预处理都是在ENVI中进行，处理后的影像格式为.hdr，在加载时 ，显示成功加载但是无论在Data，还是在Map中都无法找到影像。 (但是在通过加载影像的过程中，发现了我当时融合得到的图像是错误的。。。。) 由于无法加载ENVI的文件，这里的解决办法是导入.dat文件。 ：输入要分割的影像 Features：选择要计算特征的影像或者波段 Band Width：设置越大，得到的斑块越大；反之，则越小 点击Okay，得到分割影像图（后续补例子） 版权声明：本文内容由互联网用户自发贡献
69110编辑于 2022-11-04 - 来自专栏PaddlePaddle
基于飞桨实现高光谱影像和全色影像融合
然而由于信噪比和卫星重访周期等原因，高光谱影像的空间分辨率很低，如Modis卫星影像的空间分辨率为500m，使得影像的空间细节严重丢失，极大地限制了其在应用中的范围和精度。 高光谱全色融合是指融合具有高光谱、低空间分辨率的高光谱影像、以及高空间分辨率的单波段全色影像，来得到具有高光谱、高空间分辨率的影像，这是提升高光谱空间分辨率的一种有效的方式。 如资源一号02D卫星获取的高光谱影像具有166个波段，空间分辨率为30m，而全色影像空间分辨率为2.5m，二者分辨率之比达到12。针对这类大比例分辨率，目前还没有很好的研究成果。 因此本文基于飞桨框架首次聚焦于大比例融合任务（比例为16），并针对融合问题的病态性（即从单波段全色影像预测多波段高光谱影像的反射率），本文提出了一种基于高光谱投影丰度空间的融合网络。 第四到六幅影像为对应解码得到的高光谱影像，最后一个为真实影像。
66230编辑于 2022-04-19 - 来自专栏mathor
matlab—影像分析基础
十二、影像分析基础 12.1 read and show an image Read an image：imread() Show an image：imshow() 示例： ? 图12-5 imtool函数 12.4 image processing 上面讲的都是一些影像的相关知识，接下来要讲的是关于影像的一些处理 12.4.1 immultiply() immultiply函数的调用格式为 图12-6 immultiply函数 12.4.2 imadd() Imadd函数的作用是将两张影像相加，其调用格式为：imadd(I,J);，I的含义是一个影像对应的矩阵，J是另一个影像对应的矩阵，但是使用 图12-10 imrotate函数 还有一些对影像的操作，这里就不讲了，下面附一张图，有需要的话读者可以自行百度 ? 图12-11 影像操作 12.4.6 imwrite() imwrite函数的作用是保存图像，其调用格式为：imwrite(I,’string’);其中，I是保存图像对应的矩阵，string是保存的名字
1K20发布于 2018-07-24 - 来自专栏GIS与遥感开发平台
Python | GDAL处理影像
print(value) 62 # 坐标变换案例：从整幅的landsat影像中截取华盛顿州Vashon岛（给定Vashon岛图幅左上角和右下角的坐标） import os from osgeo import
5.1K31编辑于 2022-04-29 - 来自专栏二猫の家
Landsat遥感影像下载
摘要：本篇文章主要介绍下载遥感卫星影像数据常用的几种的获取方法。适合刚接触遥感这个领域不久却需要下载和使用遥感影像的人群。 本文着重介绍陆地资源卫星Landsat系列卫星的遥感影像查询和下载。 3.1 USGS下载遥感影像 3.2 地理空间数据云下载遥感影像 3.3Google Earth Engine下载遥感影像 ---- 1、陆地资源卫星Landsat系列卫星基本介绍 参考文章： Landsat 拥有最全的影像数据！ USGS遥感影像下载——以Landsat影像下载为例 https://blog.csdn.net/Knight_076/article/details/123791708 3.2 地理空间数据云下载遥感影像 Engine下载遥感影像 需要一定的知识储备和编程知识，JS发开的。
1.4K20编辑于 2022-12-05 - 来自专栏给永远比拿愉快
GDAL读取MODIS影像
MODIS影像以HDF4或者HDF5格式进行存储。关于如何搭建开发环境，参见Ubuntu下GDAL读取HDF4（MODIS影像）开发环境搭建。 poDataset) { cout << "影像读取失败：" << pszFileName << "！"
1.4K30发布于 2019-01-22 - 来自专栏DevOps
GeoTools tif 获取元数据信息, 数据块获取，影像打开，影像保存
coverage.getCoordinateReferenceSystem2D(); //获取图斑名称 String [] names = tifReader.getGridCoverageNames(); //获取影像长宽
82910编辑于 2024-03-29 - 来自专栏用户5637037的专栏
退行性逆行神经影像网：生成模拟疾病进展的影像
原文题目：Degenerative Adversarial NeuroImage Nets: Generating Images that Mimic Disease Progression
53830发布于 2019-07-18 - 来自专栏用户5637037的专栏
退行性逆行神经影像网：生成模拟疾病进展的影像
这种能力对于二级预防临床试验是有价值的，因为这些试验的结果和筛选标准涉及到神经影像学。传统的计算方法由于引入了萎缩的参数模型而受到限制，对资源的要求非常高。 DaniNet还可以根据非影像学特征(年龄、诊断等)来确定进展情况。同时也保持了个体独特的脑形态。对抗性训练确保真实的大脑图像和平稳的时间进展。
59030发布于 2019-07-18 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——因阈值设定，无法加载影像放大后的影像
首先我们先看一下我们加载的矢量和影像： 矢量数据集： 本次有一个新的函数需要讲解： connectedComponents(connectedness, maxSize) 找出与输入的第一个带子的值相同的连接组件 maxSize: 128, eightConnected: false }); Map.addLayer(objectSize, null, 'Object n pixels'); //获取影像的像素面积
50010编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine(GEE)——在线调取影像并封装到影像集合中
上一次我们说过影像的云端获取，今天我们还是可以通过影像集合来完成相应的操作，只不过相对应的需要把单张影像放入到列表中，在通过遍历和封装在集合中，顺便改变波段名称来展示影像。 // 获取云端数据库的影像值 var uriBase = 'gs://gcp-public-data-landsat/LC08/01/001/002/' + 'LC08_L1GT_001002_ 20160817_20170322_01_T2/'; // 建立一个列表，添加相应的影像分别作为一个波段 var uris = ee.List([ uriBase + 'LC08_L1GT_001002 LC08_L1GT_001002_20160817_20170322_01_T2_B5.TIF', ]); // 做一个集合从刚才的列表当中这里首先是遍历ee.Image.loadGeoTIFF集要加载的影像 ['B4', 'B3', 'B2']加载影像 var rgb = collection.toBands().rename(['B2', 'B3', 'B4', 'B5']); Map.centerObject
55210编辑于 2024-02-01 - 来自专栏一个有趣的灵魂W
SVM检测影像的云
首先利用arcgis对landsat影像打点云样本和非云样本点图层，转为csv，用作机器学习检测样本 import numpy as np import pandas as pd from osgeo
57130发布于 2020-09-15 - 来自专栏GIS与遥感开发平台
Python | 绘制影像地图（Basemap）
文中代码与数据请点击https://pan.bnu.edu.cn/v/link/view/0cd746194a1e42858583e84ac7fc4e40直接下载，不需要转存。
7.9K30编辑于 2022-04-29 - 来自专栏一个有趣的灵魂W
遥感影像的镶嵌（初试）
而几个类型的数据中，modis3km的数据较为杂乱，因为他是5分钟的采样时间，也就是一天会产生大于24*60/5的数据量，具体怎么解释我现在也迷迷糊糊，过境数据每次位置都有不同，一个矩形的范围内，最多可以有好几个影像的范围
87230发布于 2020-09-15 - 来自专栏气象学家
Python干货 | 遥感影像拼接
在上一篇推文中，我展示了如何使用Python结合Landsat制作遥感影像图（Python干货 | 制作遥感影像图）。 Fig.1 World Reference System 在某些遥感影像的应用场景中，如果我们关注的区域正好处于两景影像的交界处，如下图中的象山港，那我们就需要将影像拼接起来才可以使用。 单张影像是这样。 ? 本文合并后是这样。 ? 1.准备工作 相较于上一篇推送，我们这次为了实现遥感影像的镶嵌拼接，我们使用到了两个库， rasterio和gdal。 上面说的是两景影像的拼接，如果是更多影像拼接同样适用，但是现阶段的方法如果拼接多的影像的话，需要的内存空间很大，容易导致内存溢出，感兴趣的朋友可以思考一下如何高效实现多景影像的拼接。 2.动起手来 得到输入影像的四个角点。
1.9K10发布于 2020-10-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号