GEE：Sobel算子卷积

作者：CSDN @ _养乐多_

本文将深入探讨边缘检测中的一个经典算法，即Sobel算子卷积。我们将介绍该算法的基本原理，并演示如何在Google Earth Engine中应用Sobel算子进行图像卷积操作。并以试验区NDVI为例子，研究区真彩色影像、NDVI图像以及Sobel卷积结果如下所示，

一、Sobel算子卷积

Sobel算子卷积的卷积核如下所示，详细介绍介绍参考《遥感数字图像处理教程（第三版），韦玉春，汤国安…》。

            [0, 0, 24, 24, 0, 0, 0],
            [0, 0, 24, 24, 0, 0, 0],
            [0, 0, 24, 24, 0, 0, 0],
            [0, 0, 24, 24, 24, 24, 24],
            [0, 0, 24, 24, 24, 24, 24],
            [0, 0, 0, 0, 0, 0, 0],
            [0, 0, 0, 0, 0, 0, 0]

函数详解请看博客《GEE：梯度卷积》。

二、完整代码

// 设置感兴趣区域（ROI）并可视化
var roi = geometry; // 定义感兴趣区域
var roiImage = ee.Image().toByte().paint({ featureCollection: roi, color: 'red', width: 1 });
Map.addLayer(roiImage, { palette: 'red' }, '感兴趣区域'); // 在地图上添加感兴趣区域图层
Map.centerObject(roi, 11); // 将地图中心设置为感兴趣区域的中心位置

// 获取LANDSAT遥感影像数据集
var dataset = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2')
    .filterDate('2022-01-01', '2022-12-31'); // 筛选日期范围

// 应用缩放因子
function applyScaleFactors(image) {
    var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2); // 光学波段缩放
    var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0); // 热红外波段缩放
    return image.addBands(opticalBands, null, true)
        .addBands(thermalBands, null, true);
}

dataset = dataset.map(applyScaleFactors);

// 从数据集中选择波段创建影像
var imageYLD = dataset.select(['SR_B5', 'SR_B4', 'SR_B3', 'SR_B2'])
    .filterBounds(roi).median()
    .clip(roi);

// 可视化真彩色影像
var visualization = {
    bands: ['SR_B4', 'SR_B3', 'SR_B2'],
    min: 0.0,
    max: 0.3,
};

Map.addLayer(imageYLD, visualization, '真彩色 (432)');

// 计算归一化植被指数（NDVI）
var ndvi = imageYLD.normalizedDifference(['SR_B5', 'SR_B4']);
var visParam = {
    palette:
        'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +
        '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'
};
Map.addLayer(ndvi, visParam, 'NDVI');

// 定义滤波窗口大小
var windowSize = 3;

// Roberts算子卷积函数
function RobertsConvolve(image) {
  
    var Roberts_Kernel = ee.Kernel.fixed(7, 7,
        [
            [0, 0, 12, 0, 0, 0, 0],
            [0, 0, 12, 0, 0, 0, 0],
            [0, 0, 12, 0, 0, 0, 0],
            [0, 0, 12, 12, 12, 12, 12],
            [0, 0, 0, 0, 0, 0, 0],
            [0, 0, 0, 0, 0, 0, 0],
            [0, 0, 0, 0, 0, 0, 0]
        ]); // 定义Roberts算子卷积核

    return image.convolve(Roberts_Kernel);
};

// 应用Roberts算子卷积
var convolvedRobertsImage = RobertsConvolve(ndvi);

// 定义自适应可视化函数
function adaptiveVisualization(image, layerName, roi, visualSwitch, scale, palette) {
  
    // 计算影像的最小值和最大值
    var imageMin = image.reduceRegion({
        reducer: ee.Reducer.min(),
        geometry: roi,
        scale: scale,
        crs: "EPSG:4326",
        bestEffort: true,
        tileScale: 5
    });

    var imageMax = image.reduceRegion({
        reducer: ee.Reducer.max(),
        geometry: roi,
        scale: scale,
        crs: "EPSG:4326",
        bestEffort: true,
        tileScale: 5
    });

    // 打印最小值和最大值
    // print(imageMin, imageMax);

    // 影像可视化
    var viz = {
        palette: palette,
        min: imageMin.getNumber('nd').getInfo(),
        max: imageMax.getNumber('nd').getInfo()
    };
    Map.addLayer(image, viz, layerName, visualSwitch);
}

// 使用自适应可视化函数
adaptiveVisualization(convolvedRobertsImage, 'Roberts', roi, false, 30, ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']);

// Sobel算子卷积函数
function SobelConvolve(image) {
  
    var Sobel_Kernel = ee.Kernel.fixed(7, 7,
        [
            [0, 0, 24, 24, 0, 0, 0],
            [0, 0, 24, 24, 0, 0, 0],
            [0, 0, 24, 24, 0, 0, 0],
            [0, 0, 24, 24, 24, 24, 24],
            [0, 0, 24, 24, 24, 24, 24],
            [0, 0, 0, 0, 0, 0, 0],
            [0, 0, 0, 0, 0, 0, 0]
        ]); // 定义Sobel算子卷积核

    return image.convolve(Sobel_Kernel);
};

// 应用Roberts算子卷积
var convolvedSobelImage = SobelConvolve(ndvi);

// 使用自适应可视化函数
adaptiveVisualization(convolvedSobelImage, 'Sobel', roi, true, 30, ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']);

三、代码链接

https://code.earthengine.google.com/eabd1fa0a43348b17f47fbcc11f4ff1a?noload=true

声明：
本人作为一名作者，非常重视自己的作品和知识产权。在此声明，本人的所有原创文章均受版权法保护，未经本人授权，任何人不得擅自公开发布。
本人的文章已经在一些知名平台进行了付费发布，希望各位读者能够尊重知识产权，不要进行侵权行为。任何未经本人授权而将付费文章免费或者付费（包含商用）发布在互联网上的行为，都将视为侵犯本人的版权，本人保留追究法律责任的权利。
谢谢各位读者对本人文章的关注和支持！