# Python大津法确定MNDWI阈值的指导
## 一、流程概述
在使用Python进行遥感图像分析时，特别是计算水体指数（如MNDWI：修正水体指数）时，我们需要选定适当的阈值来区分水体和非水体。大津法（Otsu's method）是一种常用的图像分割方法，可以自动确定图像的最佳阈值。下面是实现这个过程的基本步骤。
| 步骤 | 描述
原创
2024-10-28 07:13:06
616阅读
OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法。（大津算法）。不过OTSU比较适合前景和背景像素值差距比较大的图像，如果图像复杂、细节多、近色的话，OTSU算法效果不好。阈值将原图像分成前景、背景两个图像。前景：用ｎ１，ｃｓｕｍ，ｍ１来表示在当前阈值下的前景的点数，质量矩，平均灰度；背景：用ｎ２，ｓｕｍ－ｃｓｕｍ，ｍ２来表示在当前阈值下的背景的点数，质量矩，平均灰
今天分享一下如何用MNDWI水体指数来提取研究区的水体
原创
2022-08-08 16:21:42
5177阅读
点赞
1评论
最近一直在做土地利用分类，尝试了非监督分类、随机森林，感觉制作标签好费事，就想通过光谱指数阈值偷懒。当然结果表明，这样分割只能看大致趋势！！实际分类结果不准！！对于一些趋势分析倒是勉强可以用用，而且确实省时省力。选取典型土地利用类型，查看光谱特征首先我在地图上选取了几种典型的土地利用类型，计算他们的NDVI、MNDWI、SI、NDBI等光谱指数，查看哪种光谱指数能分类得更好。结果发现，EVI和SA
目录前言指数使用前需知遥感指数植被指数归一化植被指数NDVI归一化差值山地植被指数NDMVI增强型植被指数EVI比值植被指数SR/植被指数RVI差值植被指数DVI调节土壤的植被指数SAVI垂直植被指数PVI绿光归一化差值植被指数GNDVI大气阻抗植被指数ARVI植被指数总结水体指数归一化水体指数NDWI改进的归一化水体指数MNDWI增强型水体指数EWI新型水体指数NWI 混合水体指数CI
