Python遥感图像处理应用篇(二十八)：Python绘制遥感图像分类结果混淆矩阵和计算分类精度

目录1 简介2 案例和代码说明3 完整代码 1 简介 有一篇文章返修了，由于文章的重点不在分类所以我之前就随便写个Kappa系数上去，没想到审稿人居然要求我提供其他参数ಥ_ಥ可是我只大概存了个各类型的分类。。。后来整理整理也只能得到一个混淆矩阵。。。说实话分类我做得也不多，作为纯ArcGIS党以前只知道有软件可以跑各种精度或GEE用现成代码跑。。本着靠自己不靠别人的想法，这次我就想写一个基于混淆矩阵计算总体精度（Overall Accuracy，OA）、Kappa系数（Kappa Coefficient）、

利用Python处理遥感影像是一个广泛且复杂的主题，但幸运的是，有许多强大的库和工具可以帮助我们高效地完成任务。以下是一些常用的库和方法，以及一个基本的处理流程示例。

在第一篇文章中，我们使用了我们导入的软件包中已定义的函数，如 rasterio 中的 open 和 read 以及 matplotlib 中的 imshow。现在，我们可以编写自己的函数了。函数是一段代码，它接收一些参数作为输入并返回输出（经过一些计算），可以在代码中多次重复使用，也可以被其他代码重用。在 Python 中定义一个新函数非常简单。return v在此语法示例中，arg1和arg2强制参数，应该传递给函数，否则会引发错误，而arg3是一个可选参数，如果是，则假定默认值 1从函数调用中省略。

这是我打算发布的关于如何使用 Python 编程语言处理地理空间数据的系列中的第一篇。在该领域工作几年后，我注意到有许多来自地球科学和相关领域的专业人士不是程序员，但在某种程度上需要使用编程语言来执行分析、数学计算或简单地自动化工作流程。通常，这些专业人士很难实现这一目标。如果没有适当的知识，他们最终会开发出复杂的代码，而不遵循容易出错的最佳实践，并且无法有效地处理地理空间领域的大量数据。在另一个极端，我们注意到 IT 专业人员掌握了编程概念，但不具备正确处理地理空间数据的知识。

给多光谱遥感图像各个波段绘制热力图，首先需要计算波段之间的相关系数矩阵，而计算遥感图像波段相关系数矩阵有不同的方法，常用的我们可以采用遥感图像处理软件计算，比如ENVI软件就可以计算相关系数矩阵，使用工具箱中的Statistics工具即可进行多种统计运算。我们这里不使用遥感图像软件计算，直接使用Python计算。要实现整个目标，我们首先需要提取遥感图像波段中各个像元的信息。这里我们可以将遥感图像读取并保存为csv文件，实现这一步我们可以参照之前的一篇文章，链接如下：Python遥感图像处理应用篇(十四)：G

方向梯度直方图HOG（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。与其他的特征描述方法相比，HOG有很多优点。首先，由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上。

1.数据准备 1.1 影像数据选取 这里选取一景OLI8（Landsat8）数据作为测试数据，该数据已经进行过辐射定标和大气校正。该数据显示如下 数据信息：轨道号12340 时间20190817 由于一景数据过大，处理太耗费时间，这里裁剪一个规则矩形区域作为测试区。 1.2 绘制规则矩形 在ArcCatlog里面新建shapefile图层，投影选择和影像一致（对于较新版本实际上也可以随意设置，裁剪功能会自动转换投影进行裁剪），一般选择一致，这样更好一些。 选择矩形工具进行要素采集，即绘..

给定一幅图像，我们需要将图像等距离分割裁剪，分割行列号相同，比如分割裁剪为N行N列的多幅遥感图像。例如原图如下： 裁剪为三行三列之后如下：设置不同波段组合为不同颜色以便区分边界。3*3裁剪图像运行环境：运行环境：运行环境：windows10 pycharm python3.7.7 GDAL-3.2.3-cp37-cp37m-win_amd64.whl包等。我们主要是用warp是扭曲或者变形的意思，该函数是对一个数据或者多个数据集进行变形，用法如下：参数包括：关键字参数是：如果选项是作为gdal.War

本篇接着上一篇（Python遥感图像处理应用篇(四)：python如何使用numpy读取遥感图像光谱值）继续深入，对遥感图像做卷积运算处理 1.基本思路 1.1 设置卷积核 这里就用3*3大小的卷积核吧，可以根据需求任意设置卷积核数据达到图像均衡化、锐化、边缘增强等不同效果。 1.2 中心像元周围像元对应位置读取 中心像元位置为i，j 2.通过代码进行计算 代码如下，没有包装成函数，这里直接顺序计算了： 这里计算的是第一波段的遥感影像数据： import io import nu

python 遥感图像处理This isn’t normal content for my blog, but I thought a post here might reach people who would be interested in the job. Don’t worry, normal service will be resumed shortly – this isn’t go...

Python遥感图像处理主要采用python编程语言，使用arcpy以及gdal等库进行遥感图像数据处理及应用。包括遥感图像的拼接、镶嵌、裁剪、格式转换等基础与处理操作以及常用遥感指数的批量计算，比如NDVI\EVI等遥感指数的计算与应用。 遥感影像数据往往数量众多，而且是具有标准分幅大小的，具有统一的格式、坐标系统等标准化信息，因此，通常需要对遥感图像进行大批量处理。本专栏主要采用批处理的方式去完成。 比如使用数据为MRT处理后的tif格式Modis数据，前期批下载、批处理具体处理过程之前博文有所介绍

支持向量机支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier)，其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。我们这篇文字主要是讲述python实现，具体原理请看阿泽写的【机...

假设分类结果的某类别的生产者精度为 80%，那么如果该类别有10个像素的话，则有2个没有分到该类别（丢失了）。假设分类结果的某类别的用户精度为 80%，则用户拿到分类结果后，10个像元中有8个是对的，2个是错的；

本章节主要参考《python地理空间分析指南》第六章。 文章中的所有操作都可以在ENVI中完成，这里只提供一个图像处理的思路。 一、图像波段变换 波段变换最常用的地方就是进行图像显示，例如使用假彩色图像以凸显植被信息。图像波段变换即将图像波段的组合顺序重新排列并显示的方法，主要使用GDAL库。下面以一个例子进行实验，首先给出数据的下载地址： http://git.io/vqs41 打...

在本教程中，我们将学习使用 Python 和地理空间数据抽象库 GDAL 自动处理栅格数据的基本技术。