如何用Python从高光谱超立方体数据绘制近红外反射率-波长图？

核心步骤 #

• 读取ENVI格式高光谱数据与ROI掩码
• 提取目标区域的反射率统计值
• 从头文件中获取波长信息
• 绘制反射率随波长变化的曲线

依赖库安装 #

先安装所需工具包：

pip install spectral pillow matplotlib numpy

示例代码 #

import numpy as np
import spectral as spy
from PIL import Image
import matplotlib.pyplot as plt

# 读取高光谱立方体与ROI掩码
hypercube = spy.open_image('cube_envi32.hdr')
reflectance_data = hypercube.load()  # 数据形状：(行数, 列数, 波段数)
roi_mask = np.array(Image.open('roi_masks.bmp'))

# 校验掩码与高光谱数据的空间维度一致性
assert roi_mask.shape == reflectance_data.shape[:2], "掩码与高光谱数据空间维度不匹配"

# 提取ROI区域的反射率（假设掩码中白色255为目标区域）
roi_pixels = reflectance_data[roi_mask == 255]
# 计算ROI区域的平均反射率（按波段取均值）
mean_reflectance = np.mean(roi_pixels, axis=0)

# 从ENVI头文件中读取波长信息
wavelengths = hypercube.bands.centers

# 绘制关系图
plt.figure(figsize=(10, 6))
plt.plot(wavelengths, mean_reflectance, color='#1f77b4', linewidth=2)
plt.xlabel('波长 (nm)')
plt.ylabel('反射率')
plt.title('ROI区域平均反射率-波长曲线')
plt.grid(True, linestyle='--', alpha=0.7)
plt.show()

关键注意事项 #

• 掩码值适配：如果你的ROI掩码用其他灰度值标记目标区域（比如黑色0），需修改roi_mask == 255中的数值。
• 数据类型转换：若反射率数据为整数类型，建议转为浮点型（reflectance_data = reflectance_data.astype(np.float32)）避免计算偏差。
• 统计量替换：除了平均反射率，可替换为中位数、最大值/最小值，只需将np.mean改为np.median、np.max、np.min。
• 多ROI处理：若掩码包含多个不同灰度值的区域，可循环提取各区域反射率并在同图绘制多条曲线。

内容的提问来源于stack exchange，提问作者S.EB