增加模块；增加主调用命令

classfication_method/bil2png.py

@@ -0,0 +1,464 @@
+import os
+import numpy as np
+import matplotlib.pyplot as plt
+from pathlib import Path
+import glob
+
+
+class BilToPngConverter:
+    """
+    将BIL/BSQ/BIP文件转换为PNG图像的工具类
+    """
+
+    def __init__(self, bil_folder, output_folder=None):
+        """
+        初始化转换器
+
+        参数:
+        bil_folder: BIL文件所在的文件夹路径
+        output_folder: 输出PNG的文件夹路径，如果为None则创建在bil_folder下的'png_output'文件夹
+        """
+        self.bil_folder = Path(bil_folder)
+
+        if output_folder is None:
+            self.output_folder = self.bil_folder / 'png_output'
+        else:
+            self.output_folder = Path(output_folder)
+
+        # 创建输出文件夹
+        self.output_folder.mkdir(parents=True, exist_ok=True)
+
+    def find_bil_files(self):
+        """查找文件夹中的所有BIL文件"""
+        bil_files = []
+
+        # 使用glob查找所有BIL文件
+        for ext in ['.bil', '.BIL']:
+            bil_files.extend(glob.glob(str(self.bil_folder / f'*{ext}')))
+
+        # 去重并排序
+        bil_files = sorted(list(set(bil_files)))
+
+        print(f"找到 {len(bil_files)} 个BIL文件")
+        return [Path(f) for f in bil_files]
+
+    def read_envi_header(self, header_path):
+        """读取ENVI头文件获取图像尺寸和格式信息"""
+        rows, cols, bands = None, None, None
+        data_type = None
+        interleave = 'bsq'  # 默认值
+        byte_order = 0  # 默认小端字节序
+
+        try:
+            with open(header_path, 'r') as f:
+                content = f.read()
+
+                # 解析关键参数
+                lines = content.split('\n')
+                for line in lines:
+                    line = line.strip()
+                    if '=' in line:
+                        key, value = line.split('=', 1)
+                        key = key.strip()
+                        value = value.strip()
+
+                        if key.lower() == 'samples':
+                            cols = int(value)
+                        elif key.lower() == 'lines':
+                            rows = int(value)
+                        elif key.lower() == 'bands':
+                            bands = int(value)
+                        elif key.lower() == 'data type':
+                            data_type = int(value)
+                        elif key.lower() == 'interleave':
+                            interleave = value.lower()  # bsq, bil, bip
+                        elif key.lower() == 'byte order':
+                            byte_order = int(value)
+
+            print(f"从头文件读取: {rows}x{cols}x{bands}, interleave={interleave}, data_type={data_type}")
+
+        except Exception as e:
+            print(f"读取头文件时出错: {e}")
+
+        return rows, cols, bands, data_type, interleave, byte_order
+
+    def get_numpy_dtype(self, envi_data_type):
+        """将ENVI数据类型转换为numpy数据类型"""
+        dtype_map = {
+            1: np.uint8,  # 8-bit byte
+            2: np.int16,  # 16-bit signed integer
+            3: np.int32,  # 32-bit signed long integer
+            4: np.float32,  # 32-bit floating point
+            5: np.float64,  # 64-bit double precision floating point
+            12: np.uint16,  # 16-bit unsigned integer
+            13: np.uint32,  # 32-bit unsigned long integer
+            14: np.int64,  # 64-bit signed long integer
+            15: np.uint64,  # 64-bit unsigned long integer
+        }
+
+        return dtype_map.get(envi_data_type, np.float32)
+
+    def read_envi_file(self, bil_path, rows=None, cols=None, bands=None):
+        """
+        读取ENVI格式文件（支持BSQ, BIL, BIP格式）
+
+        参数:
+        bil_path: 数据文件路径
+        rows: 图像行数（高度）
+        cols: 图像列数（宽度）
+        bands: 波段数
+
+        返回:
+        图像数据数组，形状为(rows, cols, bands)
+        """
+        # 尝试读取同名的头文件(.hdr)获取尺寸信息
+        header_path = bil_path.with_suffix('.hdr')
+
+        if header_path.exists():
+            print(f"正在读取头文件: {header_path}")
+            rows, cols, bands, data_type, interleave, byte_order = self.read_envi_header(header_path)
+
+            if data_type is None:
+                data_type = 4  # 默认float32
+
+            dtype = self.get_numpy_dtype(data_type)
+        else:
+            # 如果没有头文件，使用默认值或参数值
+            if rows is None or cols is None or bands is None:
+                raise ValueError(f"找不到头文件 {header_path}，请手动指定rows, cols, bands参数")
+            print(f"未找到头文件，使用手动指定的尺寸: {rows}x{cols}x{bands}")
+            dtype = np.float32
+            interleave = 'bsq'  # 默认
+
+        # 计算文件大小并验证
+        expected_size = rows * cols * bands * np.dtype(dtype).itemsize
+        actual_size = bil_path.stat().st_size
+
+        if expected_size != actual_size:
+            print(f"警告: 文件大小不匹配。预期: {expected_size}字节，实际: {actual_size}字节")
+            print(f"这可能是由于数据压缩或头部信息导致")
+
+        # 读取二进制数据
+        print(f"正在读取数据文件: {bil_path.name}, 尺寸: {rows}x{cols}x{bands}, 格式: {interleave}")
+
+        try:
+            # 读取原始数据
+            raw_data = np.fromfile(bil_path, dtype=dtype)
+
+            # 根据数据交织方式重塑数据
+            if interleave == 'bsq':
+                # BSQ: Band Sequential (波段顺序)
+                # 存储顺序: 波段1的所有行所有列 -> 波段2的所有行所有列 -> ...
+                data = raw_data.reshape(bands, rows, cols)
+                # 转换为标准格式: (rows, cols, bands)
+                data = np.transpose(data, (1, 2, 0))
+
+            elif interleave == 'bil':
+                # BIL: Band Interleaved by Line (按行交织)
+                # 存储顺序: 行1的所有波段 -> 行2的所有波段 -> ...
+                data = raw_data.reshape(rows, bands, cols)
+                # 转换为标准格式: (rows, cols, bands)
+                data = np.transpose(data, (0, 2, 1))
+
+            elif interleave == 'bip':
+                # BIP: Band Interleaved by Pixel (按像素交织)
+                # 存储顺序: 像素1的所有波段 -> 像素2的所有波段 -> ...
+                data = raw_data.reshape(rows, cols, bands)
+                # 已经是标准格式，无需转置
+            else:
+                print(f"未知的交织格式: {interleave}，尝试BSQ格式")
+                data = raw_data.reshape(bands, rows, cols)
+                data = np.transpose(data, (1, 2, 0))
+
+            print(f"成功读取，数据形状: {data.shape}, 数据类型: {data.dtype}")
+            return data
+
+        except Exception as e:
+            print(f"读取数据文件时出错: {e}")
+            print(f"原始数据大小: {len(raw_data)}, 期望大小: {rows * cols * bands}")
+            raise
+
+    def normalize_image(self, image_data, percentile_low=2, percentile_high=98):
+        """
+        归一化图像数据
+
+        参数:
+        image_data: 输入图像数据
+        percentile_low: 低百分位数
+        percentile_high: 高百分位数
+
+        返回:
+        归一化后的图像数据 (0-1范围)
+        """
+        # 如果有多波段，分别归一化每个波段
+        if len(image_data.shape) == 3 and image_data.shape[2] > 1:
+            normalized = np.zeros_like(image_data, dtype=np.float32)
+
+            for band in range(image_data.shape[2]):
+                band_data = image_data[:, :, band]
+
+                # 去除异常值
+                low = np.percentile(band_data, percentile_low)
+                high = np.percentile(band_data, percentile_high)
+
+                # 截断
+                band_clipped = np.clip(band_data, low, high)
+
+                # 归一化到0-1
+                if high > low:
+                    normalized[:, :, band] = (band_clipped - low) / (high - low)
+                else:
+                    normalized[:, :, band] = band_data - band_data.min()
+                    if normalized[:, :, band].max() > 0:
+                        normalized[:, :, band] /= normalized[:, :, band].max()
+        else:
+            # 单波段图像
+            if len(image_data.shape) == 3:
+                image_data = image_data.squeeze()
+
+            # 去除异常值
+            low = np.percentile(image_data, percentile_low)
+            high = np.percentile(image_data, percentile_high)
+
+            # 截断
+            clipped = np.clip(image_data, low, high)
+
+            # 归一化到0-1
+            if high > low:
+                normalized = (clipped - low) / (high - low)
+            else:
+                normalized = image_data - image_data.min()
+                if normalized.max() > 0:
+                    normalized /= normalized.max()
+
+        return np.clip(normalized, 0, 1)
+
+    def apply_colormap(self, image_data, colormap='viridis'):
+        """
+        应用颜色映射
+
+        参数:
+        image_data: 归一化的图像数据 (0-1范围)
+        colormap: 颜色映射名称
+
+        返回:
+        RGB图像数据
+        """
+        # 获取颜色映射
+        cmap = plt.cm.get_cmap(colormap)
+
+        # 应用颜色映射
+        colored = cmap(image_data)
+
+        # 转换为RGB (移除alpha通道)
+        if colored.shape[2] == 4:
+            colored = colored[:, :, :3]
+
+        return colored
+
+    def extract_title_from_filename(self, filename):
+        """
+        从文件名提取标题（以下划线分割的第二个元素）
+
+        参数:
+        filename: 文件名
+
+        返回:
+        提取的标题
+        """
+        # 获取文件名（不带扩展名）
+        stem = Path(filename).stem
+
+        # 以下划线分割
+        parts = stem.split('_')
+
+        if len(parts) >= 2:
+            return parts[1]
+        else:
+            # 如果没有足够的下划线分割，返回文件名本身
+            return stem
+
+    def envi_to_png(self, bil_path, output_name=None,
+                    rows=None, cols=None, bands=None,
+                    colormap='viridis', dpi=150):
+        """
+        将ENVI格式文件转换为PNG
+
+        参数:
+        bil_path: 数据文件路径
+        output_name: 输出文件名，如果为None则使用BIL文件名
+        rows: 图像行数
+        cols: 图像列数
+        bands: 波段数
+        colormap: 颜色映射名称
+        dpi: 输出图像DPI
+
+        返回:
+        输出文件路径
+        """
+        try:
+            # 读取ENVI文件
+            image_data = self.read_envi_file(bil_path, rows, cols, bands)
+
+            # 提取标题
+            title = self.extract_title_from_filename(bil_path.name)
+
+            # 如果有多波段，选择前三个波段用于RGB显示
+            if len(image_data.shape) == 3 and image_data.shape[2] >= 3:
+                # 取前三个波段
+                rgb_data = image_data[:, :, :3]
+
+                # 分别归一化每个波段
+                normalized_r = self.normalize_image(rgb_data[:, :, 0])
+                normalized_g = self.normalize_image(rgb_data[:, :, 1])
+                normalized_b = self.normalize_image(rgb_data[:, :, 2])
+
+                # 组合为RGB
+                normalized_rgb = np.stack([normalized_r, normalized_g, normalized_b], axis=2)
+
+                # 用于显示
+                display_image = normalized_rgb
+
+                print(f"使用RGB合成（波段1,2,3）")
+
+            elif len(image_data.shape) == 3 and image_data.shape[2] == 1:
+                # 单波段，使用颜色映射
+                single_band = image_data.squeeze()
+                normalized = self.normalize_image(single_band)
+                display_image = self.apply_colormap(normalized, colormap)
+
+                print(f"使用单波段 + 颜色映射")
+
+            else:
+                # 单波段（二维数组）
+                normalized = self.normalize_image(image_data)
+                display_image = self.apply_colormap(normalized, colormap)
+
+                print(f"使用单波段 + 颜色映射")
+
+            # 创建输出文件名
+            if output_name is None:
+                output_name = bil_path.stem + '.png'
+            else:
+                if not output_name.endswith('.png'):
+                    output_name += '.png'
+
+            output_path = self.output_folder / output_name
+
+            # 创建图形 - 修复关键问题：确保每次创建新图形
+            plt.figure(figsize=(10, 8), dpi=100)
+
+            # 显示图像
+            plt.imshow(display_image)
+            plt.title(f'{title}', fontsize=16, fontweight='bold')
+            plt.axis('off')
+
+            # 调整布局
+            plt.tight_layout()
+
+            # 保存图像
+            plt.savefig(output_path, dpi=dpi, bbox_inches='tight', pad_inches=0.1)
+            plt.close()  # 关闭当前图形
+
+            print(f"已保存: {output_path}")
+
+            return output_path
+
+        except Exception as e:
+            print(f"转换文件 {bil_path.name} 时出错: {e}")
+            import traceback
+            traceback.print_exc()
+            return None
+
+    def batch_convert(self, rows=None, cols=None, bands=None, colormap='viridis'):
+        """
+        批量转换所有ENVI格式文件
+
+        参数:
+        rows: 图像行数
+        cols: 图像列数
+        bands: 波段数
+        colormap: 颜色映射名称
+
+        返回:
+        成功转换的文件列表
+        """
+        # 查找所有数据文件
+        bil_files = self.find_bil_files()
+
+        if not bil_files:
+            print("未找到BIL文件")
+            return []
+
+        successful_conversions = []
+
+        print(f"\n开始批量转换 {len(bil_files)} 个文件...")
+        print("=" * 50)
+
+        for i, bil_path in enumerate(bil_files, 1):
+            print(f"\n处理文件 {i}/{len(bil_files)}: {bil_path.name}")
+            print("-" * 30)
+
+            # 生成输出文件名
+            output_name = f"{bil_path.stem}.png"
+
+            # 转换文件
+            output_path = self.envi_to_png(
+                bil_path,
+                output_name=output_name,
+                rows=rows,
+                cols=cols,
+                bands=bands,
+                colormap=colormap
+            )
+
+            if output_path:
+                successful_conversions.append(output_path)
+
+        print("\n" + "=" * 50)
+        print(f"批量转换完成！")
+        print(f"成功转换: {len(successful_conversions)}/{len(bil_files)} 个文件")
+        print(f"输出文件夹: {self.output_folder}")
+
+        return successful_conversions
+
+
+def main():
+    """主函数：使用示例"""
+    # 设置BIL文件夹路径
+    bil_folder = r"E:\code\spectronon\single_classsfication\output"
+
+    # 检查文件夹是否存在
+    if not os.path.exists(bil_folder):
+        print(f"错误: 文件夹 '{bil_folder}' 不存在")
+        return
+
+    # 创建转换器
+    converter = BilToPngConverter(bil_folder)
+
+    # 批量转换
+    # 注意：如果BIL文件没有头文件，需要手动指定rows, cols, bands参数
+    # 例如：converter.batch_convert(rows=512, cols=512, bands=1)
+
+    # 自动尝试转换（如果有头文件）
+    successful = converter.batch_convert()
+
+    if not successful:
+        print("\n自动转换失败，可能需要手动指定图像尺寸。")
+
+        # 尝试手动指定
+        try:
+            rows = int(input("请输入图像行数（高度）: "))
+            cols = int(input("请输入图像列数（宽度）: "))
+            bands = int(input("请输入波段数（单波段图像请输入1）: "))
+
+            # 重新尝试转换
+            converter.batch_convert(rows=rows, cols=cols, bands=bands)
+
+        except ValueError:
+            print("请输入有效的数字")
+
+
+# 如果直接运行此脚本
+if __name__ == "__main__":
+    main()