# 算法列表
* 标准正态变换 MSC
* 多元散射校正 SNV
* Savitzky-Golay平滑滤波函数 SG
* 滑动平均滤波 move_avg
* 一阶差分 D1
* 二阶差分 D2
* 小波变换 wave
* 均值中心化 mean_centralization
* 标准化 standardlize
* 最大最小归一化 max_min_normalization
* 矢量归一化 vector_normalization
感谢 @[panxy0826](https://blog.csdn.net/Joseph__Lagrange/article/details/95302398)的开源,本Tool 部分搬运修改于该作者
# 快速使用
## 1. 导入数据
```python
# 导入 pandas 读取数据
import pandas as pd
import numpy as np
# 读取数据
data = pd.read_csv("./data/peach_spectra_brix.csv")
# m * n
print("数据矩阵 data.shape:",data.shape)
# 50个样本, 600个 波段 第一列是 桃子糖度值 需要分离开
X = data.values[:,1:]
```
## 2. 数据绘制
```python
from pretreatment import Pretreatment as pre
p = pre()
# 该方法为快速示例 而编写
# 测试用例 图片名 波段起始点 波段间距
p.PlotSpectrum(X, '演示', 0, 5).show()
## 为保证数据可以正确绘制 请将 矩阵转化为 numpy.ndarray 格式
type(X)
```
<img src="assets/image-20211018212653707.png" alt="image-20211018212653707" style="zoom: 33%;" />
## 3. 数据预处理
### 标准正态变换 MSC
```python
msc = p.msc(X)
p.PlotSpectrum(msc, 'msc', 0, 5).show()
```
<img src="assets/image-20211018212754142.png" alt="image-20211018212754142" style="zoom: 33%;" />
### 多元散射校正 SNV
```python
snv = p.snv(X)
p.PlotSpectrum(snv, 'snv', 0, 5).show()
```
<img src="assets/image-20211018212821032.png" alt="image-20211018212821032" style="zoom: 33%;" />
### Savitzky-Golay平滑滤波函数 SG
```python
# 此处参数为参考 具体 后续 详述
sg = p.SG(X, 4*5+1,2*3,2)
p.PlotSpectrum(sg, 'sg', 0, 5).show
```
<img src="assets/image-20211018212847272.png" alt="image-20211018212847272" style="zoom: 33%;" />
### 滑动平均滤波 move_avg
```python
move_avg = p.move_avg(X)
p.PlotSpectrum(move_avg, 'move_avg', 0, 5).show
```
<img src="assets/image-20211018212913863.png" alt="image-20211018212913863" style="zoom:33%;" />
### 一阶差分 D1
```python
D1 = p.D1(X)
p.PlotSpectrum(D1, 'D1', 0, 5).show
```
<img src="assets/image-20211018212939808.png" alt="image-20211018212939808" style="zoom:33%;" />
### 二阶差分 D2
```python
D2 = p.D2(X)
p.PlotSpectrum(D2, 'D2', 0, 5).show
```
<img src="assets/image-20211018212958282.png" alt="image-20211018212958282" style="zoom:33%;" />
### 小波变换 wave
```python
wave = p.wave(X)
p.PlotSpectrum(wave, 'wave', 0, 5).show
```
<img src="assets/image-20211018213018343.png" alt="image-20211018213018343" style="zoom:33%;" />
### 均值中心化 mean_centralization
```python
mean_centralization = p.mean_centralization(X)
p.PlotSpectrum(mean_centralization, 'mean_centralization', 0, 5).show
```
<img src="assets/image-20211018213038106.png" alt="image-20211018213038106" style="zoom:33%;" />
### 标准化 standardlize
```python
standardlize = p.standardlize(X)
p.PlotSpectrum(standardlize, 'standardlize', 0, 5).show
```
<img src="assets/image-20211018213059006.png" alt="image-20211018213059006" style="zoom:33%;" />
### 最大最小归一化 max_min_normalization
```python
max_min_normalization = p.max_min_normalization(X)
p.PlotSpectrum(max_min_normalization, 'max_min_normalization', 0, 5).show
```
<img src="assets/image-20211018213117138.png" alt="image-20211018213117138" style="zoom:33%;" />
### 矢量归一化 vector_normalization
```python
vector_normalization = p.vector_normalization(X)
p.PlotSpectrum(vector_normalization, 'vector_normalization', 0, 5).show
```
<img src="assets/image-20211018213156529.png" alt="image-20211018213156529" style="zoom:33%;" />
# 注意事项
示例数据来源:[nirpyresearch.com](https://nirpyresearch.com/)
源代码参考:https://gitee.com/aBugsLife/spectral-pretreatment-method
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于python开发的高光谱数据预处理方法+源码+文档+代码解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 算法列表 标准正态变换 MSC 多元散射校正 SNV Savitzky-Golay平滑滤波函数 SG 滑动平均滤波 move_avg 一阶差分 D1 二阶差分 D2 小波变换 wave 均值中心化 mean_centralization 标准化 standardlize 最大最小归一化 max_min_normalization 矢量归一化 vector_normalization
资源推荐
资源详情
资源评论
收起资源包目录
高光谱数据预处理方法python代码.zip (17个子文件)
hyperspectral_pretreatment-main
assets
image-20211018213038106.png 371KB
image-20211018213156529.png 139KB
image-20211018212821032.png 126KB
image-20211018213117138.png 163KB
image-20211018213059006.png 492KB
image-20211018212913863.png 155KB
image-20211018212939808.png 156KB
image-20211018212958282.png 162KB
image-20211018213018343.png 153KB
image-20211018212653707.png 153KB
image-20211018212754142.png 120KB
image-20211018212847272.png 160KB
data
peach_spectra_brix.csv 543KB
LICENSE 1KB
readme.md 4KB
pretreatment.py 9KB
demo.py 2KB
共 17 条
- 1
资源评论
梦回阑珊
- 粉丝: 3089
- 资源: 929
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于Typescript和PHP的编程知识储备库设计源码 - study-php
- Screenshot_2024-05-28-11-40-58-177_com.tencent.mm.jpg
- 基于Dart的Flutter小提琴调音器APP设计源码 - violinhelper
- 基于JavaScript和CSS的随寻订购网页设计源码 - web-order
- 基于MATLAB的声纹识别系统设计源码 - VoiceprintRecognition
- 基于Java的微服务插件集合设计源码 - wsy-plugins
- 基于Vue和微信小程序的监理日志系统设计源码 - supervisionLog
- 基于Java和LCN分布式事务框架的设计源码 - tx-lcn
- 基于Java和JavaScript的茶叶评级管理系统设计源码 - tea
- IMG_5680.JPG
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功