idl里有canny这个参数，直接调用，很简单。
Canny算子边缘检测的步骤：噪声去除。首先，对输入图像进行高斯滤波，以去除图像中的噪声。这一步是为了避免噪声对后续边缘检测的影响。解释： 在进行边缘检测之前，必须消除图像中的随机噪声。这是因为噪声会使边缘检测算法产生错误的边缘点。因此，采用高斯滤波器对图像进行平滑处理，可以有效地去除噪声。
较高的亮度梯度比较有可能是边缘，但是没有一个确切的值来限定多大的亮度梯度是边缘多大，所以 Canny 使用了滞后阈值。滞后阈值需要两个阈值——高阈值与低阈值。假设图像中的重要边缘都是连续的曲线，这样我们就可以跟踪给定曲线中模糊的部分，并且避免将没有组成曲线的噪声像素当成边缘。
对图像的操作，我们采用模板对原图像进行卷积运算，从而达到我们想要的效果。而获取一幅图像的梯度就转化为：模板（Roberts、Prewitt、Sobel、Lapacian算子）对原图像进行卷积。
也就是具体算法中的步骤2，用相邻像素的差分来计算梯度的大小和方向。但是在真实的图像中，一般会有噪声，噪声会影响梯度的计算，所以步骤1要先滤波。理论上将图像梯度幅值的元素值越大，说明图像中该点的梯度值越大，但这不能说明该点就是边缘。
原始图像（左） - 带有高斯滤波器的模糊图像（sigma = 4，核大小为5x5）梯度计算 梯度计算步骤通过使用边缘检测算子计算图像的梯度来检测边缘强度和方向。边缘对应于像素强度的变化。
ENVI软件的全能解析：从辐射定标到植被覆盖度估算 ENVI，作为遥感数据处理的强大工具，为我们揭示了Landsat-8数据的深度解析过程。它不仅包含了辐射定标、大气校正等基础操作，还涵盖了更高级的分析方法，如植被指数提取和覆盖度估算。
步骤01：辐射定标首先，确保你的数据经过辐射定标，这是大气校正的基础。在ENVI的工具箱中，选择/Radiometric Correction/Radiometric Calibration，选取需要校正的多光谱数据。设置参数时，确保影像输出编码为BIL，尺度参数Scale Factor设为0.1，记得指定全英文的输出目录以避免错误。
打开tm原始影像数据 ENVI file open image file ‘L__MTL.txt’ 打开文件，如下： 图2 自动读取数据列表展示 TM数据辐射定标 ENVI basic tools preprocessing calibration utilities Landsat calibrati。
文件操作： 使用按钮bt2选择并保存大气校正后的数据，将结果保存到变量fileout，并将文件路径显示在相应文本框中。
1、多光谱和全色数据的区别如下：定义不同：全色图像，是遥感器获取整个可见光波区（一般定义在0.4μ到0.7μ之间）的黑白影像称全色影像。多光谱图像是指包含很多带的图像，有时只有3个带（彩色图像就是一个例子）但有时要多得多，甚至上百个。
2、全色波段和多光谱波段的区别如下：波段数量：全色波段通常只有一个波段，而多光谱波段则有多个波段。图像分辨率：全色波段的图像分辨率通常较高，因为它使用的单波段具有较高的空间分辨率。而多光谱波段的图像分辨率较低，因为它使用多个波段的信息来合成图像，牺牲了部分空间分辨率。
3、以北京市和河北省为例，全色相机只需一瞥，就能获取足够的光子信息，而多光谱相机需要多看几眼才能达到相同的饱满度。这就如同将北京市和河北省的图像缩小到同样大小的纸上，尽管全色图像细节丰富，而多光谱图像由于分光影响，可能显得模糊不清。技术的进步和性价比是现代卫星设计的核心考量。
