05tue
乘以1.0使得int*int!=0
today:缩放 和计算机图形学关联
已知：currentdataset
ask for：两个方向的缩放比例、保存路径、重采样方法（necessary）以输出图像为基准去循环（反算）去取原像素的方法
把参数传到类里里面：通过类的构造函数（需要接受）/定义一个静态全局变量（用之前赋值、声明）
变换在buffer中进行、rasterband readraster
dataset in→dataset out（计算输出）→三层循环（波段循环别忘了）
provider里已有两个bmp和旋转
05thu
裁剪
“橡皮条技术”（截图一样），动态效果单纯裁剪只需改readraster和writeraster的参数，简单的
1.空间范围；
2.band
规则裁和不规则裁的区别，不规则图像的裁剪先找最小矩形，用shape裁，我们是用像素裁的，（实现用shape矢量数据裁？）
需求：从空间和波段裁剪所需数据
已知:currentdataset
未知：裁剪要求（矩形坐标（大小、位置判断弹出messagebox）、传一维数组确定裁剪波段、（鼠标交互获取、缩略图））、保存路径七个参数
设计界面→
四个构造函数、三个鼠标事件函数（橡皮条），
temp缩略图准备好、current框里的图，用于替换，mouse move 一动就触发，temp画布g上画一个红框，判断谁大谁小（反了），把带红框的temp贴到，重新恢复为不带红框的底图，or效果见imagery
在类里面添加函数
窗口依旧是个类，特殊的类
基于组件、控件的二次开发
构造函数
05tue
妈的不记得上节课干了啥，花一半时间赶进度是什么鬼？？？
差一个image，自己补上，
直方图统计，直观反映图像偏暗或偏亮，处理直方图改进可视化，（均衡化变换）这个图不是显示，联动着还能改图像，envi直方图拉伸,在一个画布上，以出现频率max那条线作为y轴位置，
直方图均衡化：统计像素个数→计算灰度值累计分布0-1（乘以255(拉伸)）→（就是以255为量纲形成新的像素值）
真他妈神奇，因为灰度0-255本身，每种像素值所占比例其实就是，就是突出主要像素值，赋予新的像素值之后来显示，有对比，道理应该是这么回事，原理你爱理不理
06thu
public static bool Balance
(Bitmap srcBmp, out Bitmap dstBmp)
{
if (srcBmp == null)
{
dstBmp = null;
return false;
}
int[] histogramArrayR = new int[256];//各个灰度级的像素数R
int[] histogramArrayG = new int[256];//各个灰度级的像素数G
int[] histogramArrayB = new int[256];//各个灰度级的像素数B
int[] tempArrayR = new int[256];
int[] tempArrayG = new int[256];
int[] tempArrayB = new int[256];
byte[] pixelMapR = new byte[256];
byte[] pixelMapG = new byte[256];
byte[] pixelMapB = new byte[256];
dstBmp = new Bitmap(srcBmp);
Rectangle rt = new Rectangle(0, 0, srcBmp.Width, srcBmp.Height);
BitmapData bmpData = dstBmp.LockBits(rt, ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);
unsafe
{
//统计各个灰度级的像素个数
for (int i = 0; i < bmpData.Height; i++)
{
byte* ptr = (byte*)bmpData.Scan0 +
i * bmpData.Stride;
for (int j = 0; j < bmpData.Width; j++)
{
histogramArrayB[*(ptr + j * 3)]++;
histogramArrayG[*(ptr + j * 3 + 1)]++;
histogramArrayR[*(ptr + j * 3 + 2)]++;
}
}
//计算各个灰度级的累计分布函数
for (int i = 0; i < 256; i++)
{
if (i != 0)
{
tempArrayB[i] = tempArrayB[i - 1] +
histogramArrayB[i];
tempArrayG[i] = tempArrayG[i - 1] +
histogramArrayG[i];
tempArrayR[i] = tempArrayR[i - 1] +
histogramArrayR[i];
}
else
{
tempArrayB[0] = histogramArrayB[0];
tempArrayG[0] = histogramArrayG[0];
tempArrayR[0] = histogramArrayR[0];
}
//计算累计概率函数，并将值放缩至0~255范围内
pixelMapB[i] = (byte)(255.0 * tempArrayB[i]
/ (bmpData.Width * bmpData.Height) + 0.5);//加0.5为了四舍五入取整
pixelMapG[i] = (byte)(255.0 * tempArrayG[i]
/ (bmpData.Width * bmpData.Height) + 0.5);
pixelMapR[i] = (byte)(255.0 * tempArrayR[i]
/ (bmpData.Width * bmpData.Height) + 0.5);
}
//映射转换
for (int i = 0; i < bmpData.Height; i++)
{
byte* ptr = (byte*)bmpData.Scan0 +
i * bmpData.Stride;
for (int j = 0; j < bmpData.Width; j++)
{
*(ptr + j * 3) = pixelMapB[*(ptr + j * 3)];
*(ptr + j * 3 + 1) = pixelMapG[*(ptr + j * 3 + 1)];
*(ptr + j * 3 + 2) = pixelMapR[*(ptr + j * 3 + 2)];
}
}
}
dstBmp.UnlockBits(bmpData);
return true;
}
it seems that 没到靠一己之力写出我完整代码的程度，差多少，差很多，oh my god,,,,,
07tue
unsafe
c#抛弃指针的，
直方图均衡化的过程：
原理：基于灰度的累积分布的函数，再概率分布拉伸到0-255，
已知加载了一幅图像，数据结构冒泡排序法，二分查找法
通过构造函数传入
屏幕坐标和数学坐标反过来的，横轴开始画。
矢量图层里有feature，coordinate（x,y）把屏幕当成画布，根据屏幕像素坐标
画直线不仅仅是一条条画，而且是在Y轴上一点一点画上去或者是替换，for循环，比大小max替代
07thu图像滤波平滑&锐化（也算图像增强）
去雾霾的算法（》》）
去噪（图像滤波）高斯（every pixel，出现位置特定，噪声值随机 极值）和椒盐（黑白芝麻出现位置随机，值差不多）分乘型噪声和加性噪声，注意：滤波的算法是通用模板，
均值滤波原理：给待处理的像素定一个模板，有画面边框保留效果
距离：欧式距离，棋盘距离
噪声出现是在图像传输或是咋样咋样的时候产生的，
KNN少数服多数，边界处理k均值先球差，再排序插值，再取平均（插值只用于比较）
插值带下标
根据下标取周边像素边框宽度为啥三乘三是1，5乘五是2
唐渝鹏type def ，把下标和值存到一起
08tue
图像变换
傅里叶变换&PCA变换
空间域（灰度值）→频率域
傅里叶：任何连续周期信号可以由一组适当的正弦曲线（不同幅值、频率、相位）组合而成。一段完整的？？nonono不可能，数学家很恐怖，拉普拉斯，拉格朗日。。。。。。。。。。。。。。。。正弦曲线无法组成带有棱角的曲线，时间域、空间域、频率域
以时间为参考，以另一种参考来观察，世界永恒不变，music，声音由震动产生随时间变动，乐谱不动，得出结论：在时间域是动态的，在频率域上是静止的，
贯穿整个空间域和
专业老师是网上大牛段子的搬运工
先在纸上画一个sin（x），不一定标准，意思差不多就行。不是很难吧。
好，接下去画一个sin（3x）+sin（5x）的图形。
别说标准不标准了，曲线什么时候上升什么时候下降你都不一定画的对吧？
好，画不出来不要紧，我把sin（3x）+sin（5x）的曲线给你，但是前提是你不知道这个曲线的方程式，现在需要你把sin（5x）给我从图里拿出去，看看剩下的是什么。这基本是不可能做到的。
但是在频域呢？则简单的很，无非就是几条竖线而已。
所以很多在时域看似不可能做到的数学操作，在频域相反很容易。这就是需要傅里叶变换的地方。尤其是从某条曲线中去除一些特定的频率成分，这在工程上称为滤波，是信号处理最重要的概念之一，只有在频域才能轻松的做到。
再说一个更重要，但是稍微复杂一点的用途——求解微分方程。（这段有点难度，看不懂的可以直接跳过这段）微分方程的重要性不用我过多介绍了。各行各业都用的到。但是求解微分方程却是一件相当麻烦的事情。因为除了要计算加减乘除，还要计算微分积分。而傅里叶变换则可以让微分和积分在频域中变为乘法和除法，大学数学瞬间变小学算术有没有。
傅里叶分析当然还有其他更重要的用途，我们随着讲随着提。
08thu
laoshishuodishizhoule
datasetin 获取波段先
把波段读到一个byte[]里，
用这个byte[]参数进行二维傅里叶变换
再生成相位、幅度、
生成bmp贴进去
/// <summary>
/// 根据图像的波段，获取二维傅里叶变换后的幅度图像
/// </summary>
/// <param name="ds">输入图像</param>
/// <param name="bandIndex">波段序号</param>
/// <returns>该波段在频率域的幅度图像</returns>
private Bitmap getAmplitudeBitmap(Dataset ds, int bandIndex)
{
//声明图像数据缓冲区，大小为图像 width * height
//调用GetRasterBand获取第bandIndex波段
//读取波段数据到缓冲区
//声明FT_Complex类型的虚数数组，大小为图像 width * height
//调用二维快速傅里叶变换，需要进行坐标位移。传入图像缓冲区，返回傅里叶变换后的虚数数组
//声明临时数组
//对虚数数组进行变量变换，并取幅度系数，赋值给临时数组
//对临时数组进行灰度级拉伸
//找到最大值和最小值
//得到比例系数，将临时数组拉伸到0-255
//创建Bitmap，大小为图像 width * height，将拉伸后的值填入Pixel
//返回创建Bitmap
}
11tue
主成分滤波（PCA）
掩码图像如何获得？？？？？？？？？？？？？？
11thu
遥感图像分类
监督分类/非监督分类/分类后处理/
监督分类步骤：
1.训练样本的选择；
2.选择合适的分类算法；
计算像元与类中心的距离，
3.分类评判；（碎斑合并，膨胀腐蚀）
界面设计：有图，缺样本（交互）、阈值
监督分类算法：最小距离判别/概率判别函数/平行六边体判别法（先比先得）/最大似然法/
优缺点：可以自行决定分类的类别、控制样本的选择、但具有主观性，与分类精度挂钩，
在picturebox下贴一个panel，设置属性autoscroll，picturebox属性设为autosize，这样能实现图片窗口大小随实际图片大小变化，并且能自动出现滚条，在panel窗口滑动；
构造函数是为了获取
对显示出来的图像进行分类，而不是对所有的七个波段进行分类
频率域滤波中的频率方位滤波
c#垃圾回收机制，指针没被销毁没被释放，内存被占用，要么访问冲突要么内存泄漏，
被占用的其情况下，给内存定义一个周期，定期释放，提高代码稳定性，缺点是
指针的灵活带来不稳定性
dispose（）
flushcashe()这个不能删，
过关所需技能点：
能新建项目、能正确引用gdal库、能分析题目，拆分成常规处理步骤、将处理步骤转化为代码、调试
app.config 编译链接生成之后
配置文件，
dll 动态链接库
Java：jr包jdk /jre 开发包/运行环境 跨平台
API接口
跨平台，标准C
gdal 路径跟着exe走
类和对象
一个类包含成员属性和成员函数
hey man
你的图像增强、图像变换、图像分类都有问题，work out all bugs
研究主题到底是什么？？是地表温度和植被覆盖度的关系研究，什么关系呢？？也不是定量，
B yourself
B YOUESELF
YES THATS RIGHT DEFINITALLY RIGHT