MatLab中用马氏距离法对TM图像进行分类

训练样本（资源已附一个训练样本）来自ENVI CLASSIC导出的ASCLL码格式（文本文件），执行代码会有对话框要求手动打开若干个波段的TM图像，有对话框可以调整输出图像的大小，输出图像显示并以系统时间命名保存。 代码注释完整，易于看懂。

%打开待读取txt样本数据
[FileName_YBPathName_YB] = uigetfile（‘*.txt‘‘选择样本数据‘）;%YB为样本的简写
fidin=fopen（strcat（PathName_YBFileName_YB）‘r‘）;   
fidout=fopen（‘HEAD.txt‘‘w‘）;   %HEAD文件存储样本中首行为分号的数据
fidout2=fopen（‘RGB_NUM.txt‘‘w‘）;  %RGB_NUM文件存储样本数据中不同类别的颜色RGB数值所在字符串
semnum=0;
while ~feof（fidin）                                      % 判断是否为文件末尾               
    tline=fgets（fidin）;                                 % 从文件读行   
    if ~isempty（strfind（tline（1）‘;‘））                  %判断行首字符是否为分号
        semnum=semnum+1;                                %记录分号的数量
        fprintf（fidout‘%s\n\n‘tline）;  
        if semnum==6||（semnum-6>0&&rem（semnum-64）==0）  %将样本类别所在颜色RGB数值所在行打印
            fprintf（fidout2‘%s\n‘tline）;
        end
    else
        break;
    end
end
fclose（fidout）;
fclose（fidout2）;
importdata（‘HEAD.txt‘）;  
importdata（‘RGB_NUM.txt‘）;  
M=semnum/4-1;                %M为样本类别数，文件头占4行，每一类别也占4行，semnum为分号的个数也就是无关数据的行数

FormatString=repmat（‘%d ‘113）;    %读取除HEAD文件外的全数字数据
YB_0 =cell2mat（textscan（fidinFormatString‘HeaderLines‘0））;   %YB_0就是列数为波段数的矩阵
YB_0（11）=1;
ind=find（all（YB_0（:1）==12））; %找出所有行首为1的数值所在行号，用于计算每一类别矩阵行数
fclose（fidin）;
RGB=zeros（M3）;
%读取RGB_NUM文件中的RGB数值，数据在S_3S_4S_5中
[S_1S_2S_3S_4S_5]=textread（‘RGB_NUM.txt‘‘%s%s%s%s%s‘‘delimiter‘ ‘{}:‘）;

for x=1:M                                               %获得RGB值
    RGB（x1）=str2num（S_3{x1}（:）‘）;
    RGB（x2）=str2num（S_4{x1}（:）‘）;
    RGB（x3）=str2num（S_5{x1}（:）‘）;
end

%元胞数组YB_Mtri存储不同样本类别的数据
for i_0=1:M-1
     YB_Mtri{1i_0}=YB_0（ind（i_0）:（ind（i_0+1）-1）8:13）;
 end
YB_Mtri{1M}=YB_0（ind（M）:size（YB_01）8:13）;



%求均值
for i_1=1:M
    Mean{1i_1}=mean（YB_Mtri{1i_1}） ;
end

%求协方差阵
for i_2=1:M
    for a=1:size（YB_Mtri{1i_2}2） 
        for b=1:size（YB_Mtri{1i_2}2） 
            Sigma{1i_2}（ab）=sum（（YB_Mtri{1i_2}（:a）-mean（YB_Mtri{1i_2}（:a）））.*（YB_Mtri{1i_2}（:b）-mean（YB_Mtri{1i_2}（:b））））/（size（YB_Mtri{1i_2}1）-1）;
        end 
    end
end
%用BD_num求波段数目
BD_num=inputdlg（‘需要打开几个波段的TIF图像‘...
             ‘图像数目:‘ [1 50]{‘6‘}）;
img_num=str2num（BD_num{1}）;                             %图像的数目等于波段数目
scale=inputdlg（‘输入缩放比（1为原始大小）‘...
            ‘请输入缩放比以决定处理后图像大小‘[1 70]{‘0.1‘}）;

for i_3=1:img_num                                       %读取各波段图像
    [FileName_img{i_3}PathName_img] = uigetfile（‘*.tif‘‘选择各波段图像‘）;
    img{i_3}=imread（strcat（PathName_imgFileName_img{i_3}））;  
    img{i_3}=imresize（img{i_3}eval（scale{1}））;
end

New_img=uint8（zeros（size（img{1}1）size（img{1}2）））;    %初始化新图像

%求马氏距离，进行分类
for i=1:size（img{1}1）
    for j=1:size（img{1}2）
        if img{1}（ij）==0                               %将图像周围区别开来
           New_img（ij1）=255;New_img（ij2）=255;New_img（ij3）=255;
        else
            for m=1:img_num                             %在此P只为了简化计算  
                P（1m）=double（img{m}（ij））;
            end
            for n=1:M                                   %求马氏距离
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        4099  2018-05-08 09:03  TM_Supervised_Mahalanobis_Distance_Classification.m
     文件    12227250  2018-05-08 08:49  训练样本.txt