之前听说过这个，但是实际从来没有接触过。今天突然有兴趣了，于是开始摸索着写点。
会写点学习过程中发现的坑和一些经验。
2 Likes
不知道 python 是否抢了 R 的一部分饭碗（在数据科学方面） 
2 Likes
学着用了一下
实验步骤
1. 载入实验所用到的库：
library(FIELDimageR)
library(raster)
2. 载入图片：
EX1 <- stack("EX1_RGB.tif")
plotRGB(EX1, r = 1, g = 2, b = 3)
框选：
EX1.Crop <- fieldCrop(mosaic = EX1) # For heavy images (large, high resolution, etc.) please use: fast.plot=T
3. 旋转图片
EX1.Rotated <- fieldRotate(mosaic = EX1.Crop, clockwise = F, h=F) # h=horizontal
4. 使用植被指数去除土壤
EX1.RemSoil <- fieldMask(mosaic = EX1.Rotated, Red = 1, Green = 2, Blue = 3, index = "HUE")
土壤的存在会在从图像中提取的数据中引入偏差。因此，从图像中去除土壤是农业科学中图像分析最重要的步骤之一。使用功能：fieldMask
5. 生成网格化的图片
EX1.Shape<-fieldShape(mosaic = EX1.RemSoil,ncols = 14, nrows = 9)
（将划分出9行14列的方格，为下一步矩阵量化植被做覆盖率做准备）
注意：地块按从左到右、从上到下的升序标识，均匀分布在选定区域内。
6. 为每个区块标号、排序
DataTable<-read.csv("DataTable.csv",header = T)
fieldMap<-fieldMap(fieldPlot=DataTable$Plot,
fieldColumn=DataTable$Row,fieldRow=DataTable$Range, decreasing=T)
fieldMap
7. 为"fieldShape" 加入信息 :
EX1.Shape<-fieldShape(mosaic = EX1.RemSoil, ncols = 14, nrows = 9, fieldMap = fieldMap, fieldData = DataTable, ID = "Plot")
定义PlotName:
8. 合并成3×7 与 7×9
9. 建立植被指数
EX1.Indices.myIndex<- fieldIndex(mosaic = EX1.RemSoil$newMosaic, Red = 1, Green = 2, Blue = 3, index = c("NGRDI","BGI"), myIndex = c("(Red-Blue)/Green","Red/Green","Blue/Green"))
10. 使用热力图衡量生长情况
栅格函数提取通过函数适配试验数据。参数n.core用于加速绘图提取（并行处理）。
EX1.Info<- fieldInfo(mosaic = EX1.Indices,fieldShape = EX1.Shape$fieldShape)
[email protected]
EX1.Info<- fieldInfo(mosaic = EX1.Indices,fieldShape = EX1.Shape$fieldShape, n.core = 3)
[email protected]
##可视化
fieldPlot(fieldShape=EX1.Info$fieldShape,fieldAttribute="Yield", mosaic=EX1.Indices, color=c("white","black"), alpha = 0.5)
fieldPlot(fieldShape=EX1.Info$fieldShape,fieldAttribute="myIndex", mosaic=EX1.Indices, color=c("red","blue"), alpha = 0.5)
最终处理结果：
1 Like