erdas基本操作

真诚为您提供优质参考资料，若有不当之处，请指正。ERDAS一 、几何处理采用拟合一次多项式进行影像的几何纠正。过程大概为选取控控制点，解出多项式系数，对原影像按多项式关系进行纠正，最后进行重采样。先打开两个视窗，分别将名为tmatlanta.img，panAtlanta.img影像打开，在主菜单中执行RasterGeomatric Correction选择Polynomial（多项式法）选择Existing Viewer（存在的影像）出现提示对话框，在要链接的图像中单击一下。选取采样点进行重采样打开重采样对话框，选择保存几何处理图像输出的目录处理完成后点OK检查1分别在两个视窗对照这时可以关闭掉tmatlant.img,在一个新的视窗中打开经过几何处理生成的影像。先要进行两个影像的链接，执行ViewLinkUnlink ViewsGeografical在要链接的图像上单击一下。十字交叉线检查执行UtilityInquire Cursor可以用鼠标的拖动来看两幅图上同名点的对应情况拉帘式检查在一个视窗中叠加显视（在打开对话框的Raster Options中一定要勾掉Clear Display选项然后执行UtilitySwipe命令用鼠标拖动控制按钮就可以像拉窗帘一样进行两幅图的对照二，图像融合用到的图像：panAtalanta.img和上面几何处理生成的结果jh.img文件执行InterpreterSpacial EnhancementResolution Merge打开如下对话框后采用主分量(Principal Component)，采样方法使用双三次卷积(Cubic Convolution)或双线性内插法(Bilinear Inerpolation)或用最临近像元法(nearest Neighbor)都行,并输入刚生成的影像和panAtlanta.img,及输出影像的目录。然后点ok进行融合处理。处理完成后就可以查看结果融合后的图像具有两幅图像共有的优点三、像彩色增强假彩色增强在图像视窗中执行RasterBand Conbination打开这个对话框，可以对各个波段进行颜色的设置五，模式识别（计算机自动分类）用到的图像:lnclump.img有两种方法，一种是监督分类（有先验知识的），一种是非监督分类（没有先验知识的，盲目进行分类），在软件中先验知识体现为样本文件。即监督分类要有样本文件。1、监督法分类（）先编辑样本文件，依次执行ClassifierSignature Editor.弹出Signature Editor对话框。（）在待分类的影像的视窗中执行”AOITools,打开工具箱，如下图用工具箱中的工具在图像上勾同一种颜色的区域作为一个样本，并用Signature Editor对话框中的添加按钮添加到表格中。当把所有的样本添加完毕后，在Signature Editor对话框中执行“FileSave As”，保存sig格式的样本文件。关闭上面窗口后，在分类对话框中选择”Supervised Classification”，打开如下窗口输入要处理影像，输出影像，样本文件(刚保存的样本文件)其中Maximum Likelihood表示最大似然法下图是监督分类的处理结果。检验的另一种方法（两个图层，让其中一个的某些地物透明，进行图层间切换显示，即表现为闪动的样子）打开图像Incump,img.在图像lncump.img的视窗上再重叠打开刚分类的结果图像(方法如前面所说得在同一视窗中重叠显示两张图)。通过视窗上的RasterAttributes的命令可以打开Attributes对话框，选择Class Properties,可以对Attibutes对话框表格中各属性的顺序进行调节。下一步在Attributes对话框中将其中几中地物的透明度设为0(透明度为Opacity,它的值0表示透明,1表示不透明)。然后在视窗中执行UtilityFlicker,打开Viewer Flicker对话框，点击Manual Ficker按钮进行闪烁这就是最终分别点击鼠标时的效果2、非监督法分类在ERDAs软件的主菜单依次执行Classifier-Unspervised Classifier，如下图所示。弹出非监督分类参数设置的对话框后，设置“Number of class”(要分成的类的个数)为3，输入要处理的影像lncump,img和监督分类的结果影像保存的目录，点“OK”即可。非监督分类完成。再打开一个新视窗，将刚生成的影像进行检查（方法如前面的）下面的图为分类结果影像。21 / 21