高光谱图像.tif/.tiff格式转化为.mat格式（以Washington DC和Houston DFC 2018为例）

原创已于 2025-07-22 16:23:35 修改 · 206 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #深度学习 #图像处理

于 2025-07-22 16:10:05 首次发布

参考：tif和mat格式相互转换_tiff转mat-CSDN博客

tif转mat （以Washington DC（1280×307×191）为例）

import scipy.io as sio  # 导入scipy.io库用于读写MAT文件
import skimage.io       # 导入scikit-image的io模块用于图像读取
import numpy as np      # 导入numpy库用于数组操作

# 定义高光谱图像文件路径（原始数据格式为tif）
imgpath = r'D:\A.HSI Dataset\Washington DC（1280×307×191）\dc.tif'
# 使用skimage读取tif格式的高光谱图像数据
imggt = skimage.io.imread(imgpath)

# 使用transpose()方法调整数据维度顺序
# 原始数据维度为[通道数, 高度, 宽度]，调整为[高度, 宽度, 通道数]
imggt_reshaped = np.transpose(imggt, (1, 2, 0))

# 转换数据类型为float64（对应MATLAB中的double类型）
# 确保数据精度满足后续处理需求
imggt_double = imggt_reshaped.astype('float64')

# 保存处理后的数据为MAT文件
# 指定变量名为'dc'，便于MATLAB环境中加载使用
sio.savemat(r"D:\A.HSI Dataset\Washington DC（1280×307×191）\dc.mat",
            {'dc': imggt_double})

tiff转mat（以Houston DFC 2018（1202×4172×50）为例）

import scipy.io as sio  # 导入scipy.io库用于读写MAT文件
import skimage.io       # 导入scikit-image的io模块用于图像读取
import numpy as np      # 导入numpy库用于数组操作

# 定义高光谱图像文件路径（原始数据格式为tif）
imgpath = r'D:\A.HSI Dataset\2018_DFTC\20170218_UH_CASI_S4_NAD83.tiff'
# 使用skimage读取tif格式的高光谱图像数据
imggt = skimage.io.imread(imgpath)

# 使用transpose()方法调整数据维度顺序
# 原始数据维度为[通道数, 高度, 宽度]，调整为[高度, 宽度, 通道数]
#imggt_reshaped = np.transpose(imggt, (1, 2, 0))

# 转换数据类型为float64（对应MATLAB中的double类型）
# 确保数据精度满足后续处理需求
#imggt_double = imggt_reshaped.astype('float64')

imggt_double = imggt.astype('float64')
# 保存处理后的数据为MAT文件
# 指定变量名为'dc'，便于MATLAB环境中加载使用
sio.savemat(r"D:\A.HSI Dataset\2018_DFTC\HoustonDFC2018.mat",
            {'Houston2018': imggt_double})