? ? ? 在遙感中，常常會提到NDVI，它的全稱是 Normalized Difference Vegetation Index，也就是歸一化差分植被指數，是反映農作物長勢和營養信息的重要參數之一，它的計算原理很簡單，就是近紅外波段的反射值與紅光波段的反射值之差比上兩者之和。

? ? ? 即 NDVI=(NIR-R)/(NIR+R)，

? ? ? NIR為近紅外波段的反射值，R為紅光波段的反射值。

1、NDVI的應用：檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等；

2、-1<=NDVI<=1，負值表示地面覆蓋為云、水、雪等，對可見光高反射；0表示有巖石或裸土等，NIR和R近似相等；正值，表示有植被覆蓋，且隨覆蓋度增大而增大；

3、NDVI的局限性表現在，用非線性拉伸的方式增強了NIR和R的反射率的對比度。對于同一幅圖象，分別求RVI和NDVI時會發現，RVI值增加的速度高于NDVI增加速度，即NDVI對高植被區具有較低的靈敏度；

4、NDVI能反映出植物冠層的背景影響，如土壤、潮濕地面、雪、枯葉、粗糙度等，且與植被覆蓋有關。

? ? ? 下面來看一個具體的事例。下面兩張圖分別是TM影像的三波段（紅光，左圖）和四波段（近紅外，右圖），將對應位置的像素值進行運算就行了。

? ? ? ? ??? ? ? ?

?

經過計算后，按照得到的NDVI值進行重新賦值，讓NDVI值越大的區域綠色越深，反之越淺，若NDVI小于0，則置為0。效果圖如下：

?

下面是我從高德地圖上截取的衛星影像，可以看到NDVI的結果與實際情況基本一致。

下面來看一下實現的代碼：

環境：VS2017+OPENCV4

Mat NDVI(Mat tm3, Mat tm4) {//tm3=imread("tm3.bmp"),tm4=imread("tm4.bmp");int rows = tm3.rows, cols = tm3.cols;Mat ndvi(rows, cols, CV_8UC3);double band3, band4;for (int i = 0; i < rows; i++) {for (int j = 0; j < cols; j++) {band3 = (double)tm3.at<Vec3b>(i, j)[0];band4 = (double)tm4.at<Vec3b>(i, j)[0];ndvi.at<Vec3b>(i, j)[0] = 0;ndvi.at<Vec3b>(i, j)[1] = (255 - 255 * (band4 - band3) / (band3 + band4));//綠色層，NDVI越大，綠色越深ndvi.at<Vec3b>(i, j)[2] = 0;if (band3 > band4)//NDVI小于0則顯示白色ndvi.at<Vec3b>(i, j)[0] = ndvi.at<Vec3b>(i, j)[1] = ndvi.at<Vec3b>(i, j)[2] = 255;}}imwrite("NDVI.bmp", ndvi);return ndvi; }

?

總結

以上是生活随笔為你收集整理的遥感影像处理-NDVI的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。