#!/usr/bin/env python3 """ 高光谱分析工具包使用示例 展示如何使用统一入口调用各个功能模块 """ import os import sys from pathlib import Path # 添加当前目录到Python路径 sys.path.insert(0, os.path.dirname(__file__)) def print_example_header(title: str, description: str): """打印示例头部""" print("\n" + "="*70) print(f"📋 示例: {title}") print("="*70) print(description) print() def print_command(cmd: str, explanation: str = ""): """打印命令""" print(f"🔧 命令: {cmd}") if explanation: print(f"📖 说明: {explanation}") print() def run_example_command(cmd: str): """运行示例命令""" print(f"执行命令: {cmd}") print("-" * 50) os.system(cmd) print("-" * 50) def main(): """主函数 - 展示所有示例""" print("🌟 高光谱分析工具包 - 使用示例") print("本示例展示如何使用统一的 main.py 入口调用各个功能模块") print("注意: 示例中的文件路径需要根据实际情况修改") # 示例数据路径（占位符） sample_hdr = "data/sample.hdr" sample_csv = "data/sample.csv" sample_roi = "data/roi.xml" output_dir = "results" # 确保输出目录存在 Path(output_dir).mkdir(exist_ok=True) # 示例1: 降维分析 print_example_header( "1. 降维分析 (PCA)", "使用主成分分析将高光谱数据降维到3个组件" ) cmd1 = f"python main.py dim-reduction --input {sample_hdr} --method pca --n-components 3 --output-dir {output_dir}" print_command(cmd1, "执行PCA降维，输出降维后的数据和可视化结果") # 示例2: 批量降维分析 print_example_header( "2. 批量降维分析", "同时运行多种降维方法进行对比分析" ) cmd2 = f"python main.py dim-reduction --input {sample_hdr} --method pca --batch --output-dir {output_dir}/batch_dim" print_command(cmd2, "批量执行PCA、ICA、FA等多种降维方法") # 示例3: 图像分割 print_example_header( "3. 图像分割 (Otsu阈值)", "使用Otsu方法对指定波段进行阈值分割" ) cmd3 = f"python main.py segmentation --input {sample_hdr} --method otsu --band-index 50 --output-dir {output_dir}" print_command(cmd3, "对第50个波段应用Otsu自动阈值分割") # 示例4: 边缘检测 print_example_header( "4. 边缘检测 (Canny算子)", "使用Canny算子进行边缘检测" ) cmd4 = f"python main.py edge-detection --input {sample_hdr} --method canny --band-index 30 --output-dir {output_dir}" print_command(cmd4, "对第30个波段应用Canny边缘检测") # 示例5: 批量边缘检测 print_example_header( "5. 批量边缘检测", "同时运行多种边缘检测算法进行对比" ) cmd5 = f"python main.py edge-detection --input {sample_hdr} --method canny --batch --output-dir {output_dir}/batch_edge" print_command(cmd5, "批量执行Sobel、Canny等多种边缘检测方法") # 示例6: 异常检测 print_example_header( "6. 异常检测 (协方差矩阵)", "使用协方差矩阵方法检测高光谱异常" ) cmd6 = f"python main.py anomaly-detection --input {sample_hdr} --method covariance --contamination 0.1 --output-dir {output_dir}" print_command(cmd6, "检测10%的异常样本") # 示例7: 分类分析 print_example_header( "7. 分类分析 (SVM)", "使用SVM对高光谱数据进行监督分类" ) cmd7 = f"python main.py classification --input {sample_hdr} --roi-file {sample_roi} --method svm --output-dir {output_dir}" print_command(cmd7, "基于ROI标注数据训练SVM分类器") # 示例8: 聚类分析 print_example_header( "8. 聚类分析 (K-Means)", "使用K-Means对高光谱数据进行无监督聚类" ) cmd8 = f"python main.py clustering --input {sample_hdr} --method kmeans --n-clusters 5 --output-dir {output_dir}" print_command(cmd8, "将数据聚类为5个类别") # 示例9: 批量聚类分析 print_example_header( "9. 批量聚类分析", "同时运行多种聚类算法进行对比" ) cmd9 = f"python main.py clustering --input {sample_hdr} --method kmeans --batch --output-dir {output_dir}/batch_cluster" print_command(cmd9, "批量执行K-Means、GMM等多种聚类方法") # 示例10: 特征选择 print_example_header( "10. 特征选择 (SPA)", "使用连续投影算法选择最优特征" ) cmd10 = f"python main.py feature-selection --input {sample_csv} --label-column target --method spa --n-features 20 --output-dir {output_dir}" print_command(cmd10, "从CSV数据中选择20个最优特征") # 示例11: 光谱指数计算 print_example_header( "11. 光谱指数计算", "计算植被指数和其他光谱参数" ) cmd11 = f"python main.py spectral-index --input {sample_hdr} --indices NDVI EVI --png --output-dir {output_dir}" print_command(cmd11, "计算NDVI和EVI指数并生成可视化") # 示例12: 批量光谱指数计算 print_example_header( "12. 批量光谱指数计算", "计算所有可用光谱指数" ) cmd12 = f"python main.py spectral-index --input {sample_hdr} --batch --png --output-dir {output_dir}/batch_indices" print_command(cmd12, "计算所有光谱指数并生成PNG可视化") # 示例13: 数据预处理 print_example_header( "13. 数据预处理 (标准化)", "对光谱数据进行标准化处理" ) cmd13 = f"python main.py preprocessing --input {sample_csv} --method standard --handle-outliers --output-dir {output_dir}" print_command(cmd13, "执行Z-score标准化并处理异常值") # 示例14: 形状特征分析 print_example_header( "14. 形状特征分析", "分析分割结果的形状特征" ) cmd14 = f"python main.py shape-features --input segmented.dat --input-type dat --band-index 0 --min-area 50 --output-dir {output_dir}" print_command(cmd14, "分析分割图像的形状特征（面积、周长、圆形度等）") # 示例15: 颜色分析 print_example_header( "15. 颜色分析 (色差计算)", "计算颜色样本间的色差" ) cmd15 = f"python main.py color-analysis --input lab_image.hdr --standards-file color_standards.csv --method CIEDE2000 --output-dir {output_dir}" print_command(cmd15, "使用CIEDE2000公式计算色差") # 示例16: 图像滤波 print_example_header( "16. 图像滤波 (中值滤波)", "对高光谱数据应用空间滤波" ) cmd16 = f"python main.py filtering --input {sample_hdr} --filter-type median --kernel-size 3 --band-index 50 --output-dir {output_dir}" print_command(cmd16, "对第50个波段应用3x3中值滤波") # 示例17: 回归分析 print_example_header( "17. 回归分析", "使用多种算法进行光谱回归分析" ) cmd17 = f"python main.py regression --input {sample_csv} --label-column chlorophyll --models ridge lasso xgboost --tune-params --output-dir {output_dir}" print_command(cmd17, "使用岭回归、LASSO和XGBoost进行叶绿素含量预测") print("\n" + "="*70) print("🎯 运行示例") print("="*70) print("要运行上述示例，请:") print("1. 准备相应的数据文件") print("2. 修改文件路径为实际路径") print("3. 复制粘贴相应的命令到终端执行") print() print("例如，查看帮助信息:") print(" python main.py --help") print() print("查看特定任务的参数:") print(" python main.py dim-reduction --help") print() print("查看所有可用任务:") print(" python main.py list") # 询问用户是否要运行示例 print("\n❓ 是否要运行一个简单的示例？(y/n): ", end="") try: response = input().strip().lower() if response == 'y': print("\n运行基本帮助示例...") run_example_command("python main.py --help") except KeyboardInterrupt: print("\n\n退出示例展示") if __name__ == "__main__": main()