# 高光谱分析工具包 - 统一命令行接口

## 📖 概述

本工具包提供统一的命令行接口 (`main.py`)，支持动态导入和调用所有功能模块，无需手动管理复杂的参数和依赖关系。

## 🚀 快速开始

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 查看帮助

```bash
# 查看所有可用命令
python main.py --help

# 查看特定任务的帮助
python main.py dim-reduction --help
python main.py classification --help
```

### 3. 查看可用任务

```bash
python main.py list
```

## 📋 可用任务

### 🔬 数据预处理
- **preprocessing**: 数据预处理（标准化、异常值处理等）

### 📊 降维分析
- **dim-reduction**: 高光谱数据降维（PCA、ICA、LDA等）

### 🎯 图像分割
- **segmentation**: 阈值分割（Otsu、ISODATA等）

### ⚡ 边缘检测
- **edge-detection**: 图像边缘检测（Canny、Sobel等）

### 🔍 异常检测
- **anomaly-detection**: 异常像素检测（协方差、单类SVM等）

### 🏷️ 分类分析
- **classification**: 监督分类（SVM、随机森林等）

### 📈 聚类分析
- **clustering**: 无监督聚类（K-Means、GMM等）

### 🎯 特征选择
- **feature-selection**: 特征选择算法（SPA、CARS等）

### 🌿 光谱指数
- **spectral-index**: 光谱指数计算（NDVI、EVI等）

### 📐 形状特征
- **shape-features**: 形状特征分析

### 🎨 颜色分析
- **color-analysis**: 色差计算分析

### 🔧 图像滤波
- **filtering**: 空间/形态学滤波

### 📈 回归分析
- **regression**: 回归模型分析

## 💡 使用示例

### 降维分析
```bash
# PCA降维到3个组件
python main.py dim-reduction --input data.hdr --method pca --n-components 3 --output-dir results

# 批量降维分析
python main.py dim-reduction --input data.hdr --method pca --batch --output-dir results/batch
```

### 图像分割
```bash
# Otsu自动阈值分割
python main.py segmentation --input data.hdr --method otsu --band-index 100 --output-dir results

# 固定阈值分割
python main.py segmentation --input data.hdr --method fixed --threshold 0.5 --band-index 50 --output-dir results
```

### 分类分析
```bash
# SVM分类（需要ROI文件）
python main.py classification --input data.hdr --roi-file roi.xml --method svm --output-dir results

# 随机森林分类
python main.py classification --input data.hdr --roi-file roi.xml --method rf --output-dir results
```

### 光谱指数计算
```bash
# 计算指定指数
python main.py spectral-index --input data.hdr --indices NDVI EVI ARVI --png --output-dir results

# 计算所有指数
python main.py spectral-index --input data.hdr --batch --png --output-dir results/indices
```

### 异常检测
```bash
# 协方差异常检测
python main.py anomaly-detection --input data.hdr --method covariance --contamination 0.1 --output-dir results
```

### 聚类分析
```bash
# K-Means聚类
python main.py clustering --input data.hdr --method kmeans --n-clusters 5 --output-dir results

# 高斯混合模型聚类
python main.py clustering --input data.hdr --method gmm --n-clusters 3 --output-dir results
```

### 特征选择
```bash
# SPA算法选择特征
python main.py feature-selection --input data.csv --label-column target --method spa --n-features 20 --output-dir results
```

### 数据预处理
```bash
# 标准化处理
python main.py preprocessing --input data.csv --method standard --handle-outliers --output-dir results
```

### 形状特征分析
```bash
# 分析分割结果的形状特征
python main.py shape-features --input segmented.dat --input-type dat --band-index 0 --min-area 50 --output-dir results
```

## 📁 输出文件

每个任务执行后会生成以下文件：

- **`<task>_<prefix>.dat/.hdr`**: 主要结果文件（ENVI格式）
- **`<task>_summary.json`**: 任务执行摘要
- **`execution_log.json`**: 执行日志
- **`<task>_report.html`**: HTML格式的详细报告
- **可视化文件**: PNG格式的图表和图像

## ⚙️ 通用参数

所有任务都支持以下通用参数：

- `--input, -i`: 输入文件路径（必需）
- `--output-dir, -o`: 输出目录（默认: ./results）
- `--output-prefix`: 输出文件前缀（默认: result）

## 🔧 高级选项

### 调试模式
```bash
# 启用详细错误信息
python main.py <task> [参数...] --debug
```

### 批量处理
许多任务支持批量处理模式：
```bash
# 批量降维
python main.py dim-reduction --input data.hdr --batch

# 批量分割
python main.py segmentation --input data.hdr --batch

# 批量边缘检测
python main.py edge-detection --input data.hdr --batch
```

### 自定义参数
```bash
# 自定义降维组件数
python main.py dim-reduction --input data.hdr --n-components 10

# 自定义聚类数
python main.py clustering --input data.hdr --n-clusters 8

# 自定义特征数量
python main.py feature-selection --input data.csv --n-features 50
```

## 📊 结果查看

### 命令行摘要
执行完成后会显示彩色的执行摘要，包括：
- 任务名称和执行时间
- 输入参数
- 结果统计信息
- 输出文件列表

### HTML报告
打开生成的 `<task>_report.html` 文件查看详细的执行报告，包含：
- 执行参数
- 结果统计
- 可视化图表
- 文件信息

### JSON摘要
`<task>_summary.json` 包含结构化的结果摘要，可用于进一步处理。

## 🚨 故障排除

### 常见问题

1. **文件不存在错误**
   - 检查输入文件路径是否正确
   - 确保文件有适当的读取权限

2. **内存不足错误**
   - 对于大型高光谱数据，考虑增加系统内存
   - 或使用降维预处理减少数据大小

3. **依赖包错误**
   - 确保已安装所有必需的依赖包
   - 运行 `pip install -r requirements.txt`

4. **参数错误**
   - 使用 `--help` 查看正确的参数格式
   - 检查参数值是否在有效范围内

### 获取帮助

```bash
# 通用帮助
python main.py --help

# 任务特定帮助
python main.py <task-name> --help

# 查看示例
python examples.py
```

## 🏗️ 架构说明

### 模块化设计
- **`main.py`**: 主入口，参数解析和任务分发
- **`registry.py`**: 模块注册表，管理所有任务信息
- **`validators.py`**: 输入验证和错误检查
- **`output_handler.py`**: 统一输出处理和报告生成

### 动态导入
系统使用 Python 的 `importlib` 实现动态模块导入，确保：
- 只在需要时加载相关模块
- 减少启动时间和内存占用
- 支持模块的独立开发和维护

### 参数验证
内置多层参数验证：
- 文件存在性和格式检查
- 参数范围和类型验证
- 数据维度和大小验证
- 任务特定逻辑验证

## 📝 开发说明

### 添加新任务
1. 在相应模块中实现功能
2. 在 `registry.py` 中添加任务注册信息
3. 创建对应的参数构建器类
4. 更新文档和示例

### 扩展验证
在 `validators.py` 中添加新的验证逻辑，确保输入数据的正确性。

### 自定义输出
在 `output_handler.py` 中添加新的输出格式或报告类型。

## 🤝 贡献

欢迎提交问题报告和功能建议！请确保：
- 提供详细的问题描述
- 包含错误信息和环境信息
- 建议新功能时说明使用场景