ENVI图像处理（7）：图像配准

### ENVI 软件中的图像校正方法与教程 ENVI 是一款功能强大的遥感图像处理软件，在几何校正方面提供了多种工具和选项。以下是基于提供的引用内容以及专业知识整理的内容。 #### 几何校正的目的与意义 几何校正是为了消除由于传感器姿态变化、地形起伏等因素引起的图像变形，使得经过校正后的图像能够符合特定的地理坐标系[^3]。通过这一过程，可以提高图像的空间定位精度，从而满足后续定量分析的要求。 #### 实验准备与环境配置 在进行几何校正之前，需准备好相应的软硬件条件： - **硬件需求**: PC 电脑 (推荐 Windows10 操作系统)[^1]。 - **软件需求**: 安装并启动 ENVI 5.3 或更高版本。 - **数据准备**: 提供待校正的原始遥感图像文件（如 SPOT 和 TM 数据），以及其他必要的辅助数据（如 DEM 文件用于正射校正）[^2]。 #### 几何校正的主要分类 根据校正目标的不同，几何校正可分为两类： 1. **几何粗校正** 主要针对已知成像过程中产生的固定误差进行修正，通常依赖于传感器自身的参数模型完成。这种方法适用于初步纠正因扫描仪角度偏差等原因造成的简单形变[^3]。 2. **几何精校正** 借助地面控制点(GCPs)，实现更精确的位置匹配。此步骤不仅涉及坐标的转换还可能伴随辐射定标等内容，最终目的是让像素对应到实际地球表面的具体经纬度位置上[^3]。 #### 具体操作流程说明 ##### 方法一：Image to Image 校正 这是最基础的一种形式，适合当已有参考标准地图可用时的情况。具体做法如下： 1. 启动应用程序进入经典界面后加载两幅对比图片； 2. 手动标记若干组对应的地标特征作为参照依据； 3. 应用多项式变换算法估算映射关系； 4. 输出重采样之后的新成果图层[^1]。 ```python # 示例代码展示如何调用 ENVI 的 API 进行简单的几何校正 import envi def perform_image_to_image_correction(input_file, reference_file, output_path): session = envi.Session() input_raster = session.openRaster(input_file) ref_raster = session.openRaster(reference_file) gcps = [] # 用户定义 GCP 列表 correction_tool = session.getTool('Geometric Correction') result = correction_tool.run( source=input_raster, target=ref_raster, ground_control_points=gcps, method='Polynomial', degree=2, resampling_method='Cubic Convolution' ) corrected_image = result['output'] corrected_image.save(output_path) perform_image_to_image_correction('path/to/input', 'path/to/reference', 'path/to/output') ``` ##### 方法二：Image to Map 正射校正 如果希望进一步考虑地形影响，则可以选择该高级方案。其核心在于引入数字高程模型(DEM)来补偿由高度差带来的投影差异。整个工作流大致包括以下几个环节： 1. 加载源影像连同配套的元信息文档； 2. 设置合适的传感器类型及其关联参数； 3. 自动或者交互指定多个高质量的地物标志点； 4. 经过迭代优化求解最佳拟合方程式； 5. 设计好输出范围大小比例尺等细节设定项； 6. 导出最后生成的产品文件[^2]。 --- ### 注意事项 - 控制点的数量应足够多以覆盖整张画面均匀分布；同时也要保证质量可靠避免误配对现象发生。 - 对于复杂场景下的精细调整来说，建议选用三次卷积插值法之类的高端技术手段提升视觉效果连续性和真实性。