在R语言中对HDF5高光谱数据执行逐像素向量归一化

1. 加载依赖包 #

使用rhdf5包处理HDF5文件，先安装并加载：

# 首次使用需安装
if (!require("rhdf5")) {
  BiocManager::install("rhdf5")
  library(rhdf5)
}

2. 读取HDF5中的高光谱数据 #

指定文件路径和数据存储路径，读取数据到R环境：

wd <- "你的工作目录路径/" # 替换为实际路径
f <- paste0(wd, "img1.h5")
data_path <- "/SITE-NAME/Reflectance/Reflectance_Data"

# 读取数据
hs_data <- h5read(f, data_path)
# 确认维度是否为(3311, 678, 425)
dim(hs_data)

3. 执行逐像素L2归一化 #

将三维数组重塑为二维矩阵（每行对应一个像素的光谱向量），计算每个向量的L2范数后完成归一化，最后恢复原三维结构：

# 重塑为二维矩阵：(总像素数, 波段数)
n_pixels <- dim(hs_data)[1] * dim(hs_data)[2]
n_bands <- dim(hs_data)[3]
hs_matrix <- matrix(hs_data, nrow = n_pixels, ncol = n_bands)

# 计算每个像素光谱向量的L2范数
l2_norms <- sqrt(rowSums(hs_matrix^2))
# 处理范数为0的情况（避免除以0）
l2_norms[l2_norms == 0] <- 1

# 执行归一化
hs_matrix_normalized <- hs_matrix / l2_norms

# 重塑回原三维维度
hs_data_normalized <- array(hs_matrix_normalized, dim = dim(hs_data))

4. 可选：保存归一化后的数据 #

将结果写入新的HDF5文件（或原文件，建议先备份原文件）：

# 写入新文件
h5createFile(paste0(wd, "img1_normalized.h5"))
h5write(hs_data_normalized, paste0(wd, "img1_normalized.h5"), "/Normalized_Reflectance")

# 写入原文件（需谨慎操作）
# h5write(hs_data_normalized, f, "/SITE-NAME/Reflectance/Normalized_Reflectance")

内容的提问来源于stack exchange，提问作者MGD