一、任务描述

提取绿色植被部分对应的红外光谱（即红绿蓝三波段提取绿色，掩膜到红外波段）

import cv2
import numpy as np
# 第一种办法--------------------------------------------------------------
im=cv2.imread('FLIR06.jpg')

#提取图像的三个通道
B, G, R = cv2.split(im)

#计算植被指数
cive = 0.441*R-0.811*G+0.385*B+18.78745
gray = cive.astype('uint8')

#大津阈值分割，将土壤像素点变为0，植被像素点为1
ret, th = cv2.threshold(gray, 0, 1, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

#保存分离的结果图
b=B*th
g=G*th
r=R*th
img=cv2.merge([b,g,r])
cv2.imwrite('resultmask.jpg', img)
# --------------------------------------总体----------------------------------------------
import pandas as pd
#
heat = pd.read_excel('3旱棚.xlsx')
heat.columns=[i for i in range(640)]
mask = np.array(th)
heatnp = np.array(heat)
heat_result = mask*heatnp
heat_result_df = pd.DataFrame(heat_result)
heat_result_df.replace(0, np.nan, inplace=True)
# heat_result_df.to_excel('heat_result_df.xlsx')
# 覆盖部分
mask_d = pd.DataFrame(mask)
mask_d=mask_d-1
heat_result_re=mask_d*heat/255
heat_result_re.replace(0, np.nan, inplace=True)
heat_1_array = np.array(heat_result)
heat_1_array = heat_1_array.reshape(-1)
heat_1_array_pd = pd.DataFrame(heat_1_array)
heat_1_array_pd = heat_1_array_pd.dropna()
heat_1_array_pd.to_excel('heat_result_df_1绿色.xlsx')
#存去除部分
heat_1_array = np.array(heat_result_re)
heat_1_array = heat_1_array.reshape(-1)
heat_1_array_pd = pd.DataFrame(heat_1_array)
heat_1_array_pd = heat_1_array_pd.dropna()
heat_1_array_pd.to_excel('heat_result_df_1_re黑色.xlsx')

第二种方法

import cv2
import numpy as np



# 第二种------------------------------------------------------------------
demo = cv2.imread('FLIR06.jpg')
# 使用2g-r-b分离土壤与背景
# 转换为浮点数进行计算
demo1 = np.array(demo, dtype=np.float32) / 255.0
(b, g, r) = cv2.split(demo1)
gray = 2.4 * g - b - r
# 求取最大值和最小值
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
# 计算直方图
# hist = cv2.calcHist([gray], [0], None, [256], [minVal, maxVal])
# plt.plot(hist)
# plt.show()
# 转换为u8类型，进行otsu二值化
gray_u8 = np.array((gray - minVal) / (maxVal - minVal) * 255, dtype=np.uint8)
(thresh, th) = cv2.threshold(gray_u8, -1.0, 255, cv2.THRESH_OTSU)
# dst=cv2.dilate(bin_img,kernel=np.ones((3,3),np.uint8))
# dst=cv2.erode(bin_img,kernel=np.ones((5,5),np.uint8))
# dst1=cv2.morphologyEx(bin_img,cv2.MORPH_CLOSE,np.ones((3,3),np.uint8))
# dst2=cv2.morphologyEx(bin_img,cv2.MORPH_OPEN,np.ones((3,3),np.uint8))
# 得到彩色的图像
(b8, g8, r8) = cv2.split(demo)
color_img = cv2.merge([b8 & th, g8 & th, r8 & th])
#cv2.namedWindow("demo", cv2.WINDOW_NORMAL)
# cv2.imshow("demo", color_img)


cv2.imwrite("15111.png", color_img)
#cv2.waitKey()
#cv2.destroyAllWindows()


# --------------------------------------总体----------------------------------------------
import pandas as pd
#
heat = pd.read_excel('3旱棚.xlsx')
heat.columns=[i for i in range(640)]
mask = np.array(th)
heatnp = np.array(heat)
heat_result = mask*heatnp/255
heat_result_df = pd.DataFrame(heat_result)
heat_result_df.replace(0, np.nan, inplace=True)
# heat_result_df.to_excel('heat_result_df.xlsx')
heat_1_array = np.array(heat_result_df)
heat_1_array = heat_1_array.reshape(-1)
heat_1_array_pd = pd.DataFrame(heat_1_array)
heat_1_array_pd = heat_1_array_pd.dropna()
heat_1_array_pd.to_excel('绿色.xlsx')


# 覆盖部分
mask_d = pd.DataFrame(mask)
mask_d=mask_d-255
heat_result_re=mask_d*heat
heat_result_re.replace(0, np.nan, inplace=True)

#存去除部分
heat_1_array_re = np.array(heat_result_re)
heat_1_array_re = heat_1_array_re.reshape(-1)
heat_1_array_pd_re = pd.DataFrame(heat_1_array_re)
heat_1_array_pd_re = heat_1_array_pd_re.dropna()
heat_1_array_pd_re.to_excel('黑色.xlsx')

红外部分仅输出绿色部分的热量数据，没有显示图
结果图如下

二、计算冠层覆盖度

以第二种方法为例

import cv2
import numpy as np
# 第二种------------------------------------------------------------------
demo = cv2.imread('743dbf4d5db8d8177de00c60a92e8f5.jpg')
# 使用2g-r-b分离土壤与背景
# 转换为浮点数进行计算
demo1 = np.array(demo, dtype=np.float32) / 255.0
(b, g, r) = cv2.split(demo1)
gray = 2.4 * g - b - r
# 求取最大值和最小值
(minVal, maxVal, minLoc, maxLoc) = cv2.minMaxLoc(gray)
# 转换为u8类型，进行otsu二值化
gray_u8 = np.array((gray - minVal) / (maxVal - minVal) * 255, dtype=np.uint8)
(thresh, th) = cv2.threshold(gray_u8, -1.0, 255, cv2.THRESH_OTSU)
# 计算绿色植被和所有像素点的比值
print('冠层覆盖度为', round(sum(sum(th/255))/(len(th[0])*len(th))*100, 2), '%')
# 得到彩色的图像
(b8, g8, r8) = cv2.split(demo)
color_img = cv2.merge([b8 & th, g8 & th, r8 & th])
cv2.imshow("demo", color_img)

结果如下

Python 3.8.3 (tags/v3.8.3:6f8c832, May 13 2020, 22:20:19) [MSC v.1925 32 bit (Intel)] on win32
Type "help", "copyright", "credits" or "license()" for more information.
>>> 
=============== RESTART: C:\Users\Administrator\Desktop\冠层覆盖度.py ===============
冠层覆盖度为 53.76 %

有些比较密的地方黑色的地方效果不好，说明植被的分离仍需要改进。