高光谱成像入门：如何看懂你的第一幅高光谱图像

.raw 保存光谱数据矩阵介绍

.raw 是一个纯二进制文件，记录了所有像素与波段的原始数字量化值。它只包含数据本身，不含尺寸、波长等信息，必须配合 .hdr 文件使用。

数据一般按以下三种方式之一存储：

· BSQ（按波段存储）

· BIL（按行存储）

· BIP（按像素存储）

不同存储方式对读取速度和数据处理效率可能有影响。

.dci 保存数据采集信息介绍

高光谱相机会生成自定义的 .dci 文件，记录：

· Camera（相机型号）

· R\G\B（数据采集时的RGB）

· ExposureTime(曝光时间)

· Gain（增益）

· ObjectDistance移动平台速度或步长（推扫相机）

· POS:

· longitude 、latitude （经纬度）

· altitude （海拔高度）

· height （相对高度）

此文件主要服务于实验记录，通常不参与数据处理。

地面高光谱相机                                                        机载高光谱相机                

2.2数据维度（H × W × Bands）

高光谱成像最终形成三维数据立方体：

· H（Height）：图像高度

· W（Width）：图像宽度

· Bands（波段数）：每个像素具备多少维光谱

因此高光谱数据量远大于普通图像，也是后续算法设计的挑战来源之一。

2.3常见采集模式与影响（推扫 vs 面阵）

高光谱相机的采集方式主要分为推扫（线扫）和面阵（快照）两大类，每种方式适用于不同应用场景。

1）推扫式高光谱相机

也叫线阵相机，每次只采集一条线（X 方向），在样品或相机移动过程中完成 Y 方向扫描。成像过程为：每次成一条线上的像后（X方向），在检测系统输送带前进的过程中，排列的探测器扫出一条带状轨迹从而完成纵向扫描（Y方向）。综合横纵扫描信息就可以得到样品的三维高光谱图像数据。

成像原理：

· 相机内部有一个狭缝

· 光经过光栅分光后投射到线阵探测器

· 运动平台（或传送带）推动样品，使相机逐行扫描

· 最终形成完整高光谱立方体

特点：

光谱分辨率高

适合工业流水线、农作物扫描、实验室推扫等

2）面阵高光谱相机

也叫快照式高光谱相机，一次曝光即可获取所有空间维度。

常见技术包括：

· 分光棱镜阵列

· 多分区滤光片（如 IMEC）

· 多通道分束系统

3.数据读取与可视化

高光谱数据的读取及可视化，可以使用集成好的高光谱遥感软件直接处理，亦可使用python或MATLAB等自行编程读取处理，原始高光谱曲线是DN值信息，DN 就是相机探测器把光信号转成的数字值，本质上是“像素灰度”。它不是物理量，因此需要转换为反射率或辐射度数据在进行数据分析处理。以下为简单代码读取案例。

3.1读取示例

Python 读取高光谱图像示例代码

MATLAB 读取高光谱图像代码

3.2彩色合成

真彩色合成（True Color）

选择对应人眼的波长：

· R = 660 nm

· G = 550 nm

· B = 450 nm

呈现出的画面与肉眼视觉一致。

适用于：自然景物、农业遥感、人类可见光范围分析。

假彩色合成（False Color）

选择具有代表性的其他波段，例如：

· R = 800 nm（近红外）

· G = 660 nm

· B = 550 nm

近红外表现植物生理状况，因此常用于：植被健康监测、目标高光谱增强、地物分类

假彩色能够强化某些光谱差异，是高光谱数据特有的优势。

真彩色合成                                                                                                          假彩色合成            

3.3光谱曲线绘制

高光谱图像中，每个像素点对应一条光谱曲线。

在软件中点击任意位置即可看到其光谱反射率/辐亮度随波长变化情况。亦可选择区域及无规则图像，将roi等的所有像素点进行平均。

结语

高光谱成像看似“高冷”，但本质上，它只是用更细致的方式去观察世界：不仅看形状、看颜色，更能看到物质在光谱维度里的真实样子。希望这篇文章能帮助你在认识高光谱技术的道路上迈出更扎实的一步。下一节我们将介绍高光谱图像的预处理方法。