ENVI 5.6图像分割实战：从零开始掌握监督分类（附完整操作截图）

ENVI 5.6 监督分类实战：从零构建你的第一幅地物专题图

遥感图像处理听起来像是专业人士的领域，但当你真正上手ENVI这类工具，会发现它更像是一场精心策划的数字解谜游戏。今天，我们不谈复杂的理论，直接进入实战。假设你手头有一幅城市区域的卫星影像，你的任务是清晰地划分出其中的植被、水体和建筑物。这不仅是环境监测的基础，也是城市规划、农业评估的核心技能。对于刚接触ENVI 5.6的初学者而言，最大的障碍往往不是软件操作本身，而是面对众多参数时的茫然，以及如何将屏幕上的彩色斑块转化为有意义的分类信息。本文将带你完整走一遍流程，重点攻克参数设置的“黑箱”和手工分类的“艺术”，让你不仅能做出结果，更能理解每一步背后的逻辑。

1. 前期准备与数据导入：奠定分析基石

在启动任何分析之前，充分的准备工作能避免后续大量返工。首先，你需要一份合格的遥感数据。对于监督分类，我们通常使用多光谱数据，例如Landsat 8/9、Sentinel-2等，它们能提供多个波段的信息，帮助区分不同地物。确保你的影像已经过辐射定标和大气校正等预处理，这一步虽繁琐，却直接决定了分类的精度。未经校正的影像就像失准的尺子，量出的结果自然不可靠。

打开ENVI 5.6，你会看到一个清爽的界面。数据导入有多种方式：

• 通过 File -> Open 直接打开常见的GeoTIFF、IMG等格式。
• 使用 Toolbox -> Raster Management 下的工具处理特殊格式或进行数据转换。

加载影像后，建议先进行一个简单的可视化检查。在 Layer Manager 中右键点击图层，选择 Quick Stats 或 View Metadata，了解数据的基本信息，如行列数、空间分辨率、波段列表等。一个常被忽略但极其重要的步骤是创建感兴趣区域（ROI）用于后续训练样本选择。你可以先大致浏览全图，利用 Tools -> Region of Interest (ROI) Tool 在图像清晰区域画几个小范围区域，标记上你猜测的地物类型（如“疑似水体”、“茂密植被”），这能为后续工作提供锚点。

注意：初始ROI不必追求精确，其目的是辅助熟悉影像特征，而非最终训练样本。建议为每类预期地物创建至少一个ROI，并赋予不同颜色以便区分。

2. 揭秘特征提取工作流：从分割到对象

ENVI 5.6的监督分类核心工具之一是 Example Based Feature Extraction Workflow。这个工作流将传统的基于像素的分类，升级为面向对象的图像分析（OBIA）