• customize → georeferencing → fit to display
• georeferencing → transformation (čím vyšší řád, tím je potřeba víc bodů)
  • liší se od sebe, jak budou deformovat obraz
• nejlepší je udělat bod na kraji a uprostřed
• první se začíná tou fotkou, potom kliknu na ortofoto
• rectify → udělá nový georeferencovaný tiff
• View link table → ukáže mi chyby, ja moc je velká odchylka jednotlivých bodů
• image link viewer → vyhodí obrázek v novém okně, ale to nepotřebuješ

• u open stačí otevřít texťák
• pak stačí přes data manager načíst infa, red, green
• ale dá se to udělat jenom u snímku s metadaty

• normálně načtu všechny vrstvy
• layer stack je dobré udělat pro všechny a pak si aorát vyberu barvy
• pravým → change RGB Bands, nebo taky přes data manager
  • máme landsat 7, vybrali jsme 3,2,1
  • u landsat 8 vyberu 4,3,2 pro opravdové barvy (5,4,3 pro infra)
  • inclusive → spojí snímky tak jak jsou nad sebou
  • exclusive → spojí jenom průnik těch snímků

• File → new→ vector layer → OK → nakreslit → save as (ukládá se jako .shp)
• resize data → a vyberu tu vrstvu kterou budu ořezávat → spatial subset → subset using → ROI/EVF

• Strech data → Strech range (0 - 100%) → velikost (ořezání) snímku
• Output Data Range 0 - 255 (8bit), data type Byte
• unsigned int je 16bit, unsigned long je 16bit? (no nevíme jak to je)

1. signed char: -127 to 127 (note, not -128 to 127; this accommodates 1's-complement and sign-and-magnitude platforms)
2. unsigned char: 0 to 255 (4BIT)
3. “plain” char: same range as signed char or unsigned char, implementation-defined
4. signed short: -32767 to 32767 (8BIT)
5. unsigned short: 0 to 65535 (16BIT)
6. signed int: -32767 to 32767
7. unsigned int: 0 to 65535
8. signed long: -2147483647 to 2147483647
9. unsigned long: 0 to 4294967295
10. signed long long: -9223372036854775807 to 9223372036854775807
11. unsigned long long: 0 to 18446744073709551615

• Dark Subtraction → vyberu ten snímek → na nic nešahám a nechám to tak
• najde netmavší prvek kterému dá nulu a určí rozdíl který odečte od všech

• radiance je vyzařování, refletance je odrazivost
• dá se tam multispektrální snímek
• je to statistika, prostě to, co jsme dělali u té řízené klasifikace
• region of interest (takový polygon na horní liště roi) → vykreslíme polygon pro požadované oblasti → new ROI (pro další atributy) - skrz pravé tlačítko a statistics se zobrazí statistika vybraných oblastí (lze uložit)
• radiometric calibration - vybrat snímek (multispectral) - lze vybrat mezi radiancí a reflektancí (Reflectance, BSQ, Float, … OK)
• ukáže to, jaké je tam rozmězí odrazivosti a vyzařování
• reflektance se musí dělat na celé území nebo jestli chci nějaké vybrané území, tak to musím až v té funci udělat ROI

• band math - napíšeme příkaz, přidáme do sezmanu pak přiřadíme pásma
• pokud nechceme výsledek složený z 0 a 1, musíme před každoou proměnou dát float (float(b1)/float(b2))
• vegetation index calculator - vybereme si index (my jsme dělali ten první)
  • NDVI - světle mi to vyhodí úroveň stavu vegetace, čím světlejší tím jsou víc ve vegetu

• Convolutions and Morpohlogy → convolutions výběr filtrů
• sieve filtr → ten si musím nadefinovat, a to najdu na internetu nebo v prezentacích
• vysokofrekvenční filtry propouštějí vysokofrekvenční informaci
• jakože zvýrazní komín a větrák na střeše, nízkofrekvenční mi udělá jednolitou střechu, ale ta střecha už nebude mít tak výrazné hrany
• nízkofrekvenční filtry (průměrový, mediánový, sieve filtry, majoritní filtry)
• vysokofrekvenční filtry (diferenční, zostřující)
• vyhodí to procenta informace (tak, aby se to dalo zobrazit jao RGB)
• kanonická komponentní analýza
• podíváme se na snímek a určíme typy shluku

= analýza hlavních komponent

• Toolbox PCA → forward PCA rotation news statistics → vybrat vrstvu → výsledný soubor → Select Subset from Eigunvales pokud YES tak to spočítá pro všechny pásma
• ze sedmi pásem mi to vybere třeba jenom tři (podle nějaé nejdůležitější informace)
• spojíme více pásem (7) do méně pásem (3) a ze 100 % informace dostaneme 90 % informace ve 3 pásmech

• podobný jako PCA, ale osy jsou dopředu vypočítané
• u wetness je voda bílá, greenes zvýrazňuje lesy, brightness zvýrazňuje lidské plochy, střechy, silnice
• v envi - pro snímky landsat 5 - tasseled cap
• zvolit landsat 5TM (jsou to druhy snímačů na té družici)
• převádí to RGB na HSV

• máme na stupni snímek, který si převedeme do Fourierova spektra (je to jeden z typů vlnkových transformací, převádíme to do frekvenčního systému), převod do podoby sinových a kosinových fcí /filter/FFT
• build mask → fft.tiff → pak ořezat, ale nedávat příponu tiff!, a vybrat ještě v options Selected areas OFF
• horizontální linie se ve fourierove spektru zobrazují o 90 stupnů, takže verttikální jsou horizonální a naopak
• prostě dostanu nějaký snímek s proužama
• FFT Forward → YES
• na to FFT forward vytvoříme ROIko s těma čárama (NESMÍME ZARÝT KOLEČKO!!!!!)
• 
• z ROI udělám Build Mask → a vybrat v options Selected areas Off
• Apply Mask → vyberu snímek fft forward → select mask band → a vyberu tu masku kterou jsme vytvořili z těch ROIek (co jsou na obrázku) ← TO NEFUNGUJE TO NEDĚLEJTE !!!!
• FFT Inverse → vyberu ten poslední file co jsem udělala z apply mask

• Nahrát vrstvu z landsatu pomocí metadat → vytvořit zájmové ROI→ New file bouilder → vybrat první pásmo (multispektral) a celé znovu pro druhé pásmo (panchromatik)
• toolbox - image sharpening → první zadáváme multispekral, druhé zadáme panchromatický

• vybrat snímek OK → Počet tříd např. 5,Treshold práh př. 5.00 pokud se nezmění 5% pixlů ukončí se iterace, maximum iterací např. 20

• -vybrat snímek OK → max min tříd. (např. 1 - 7) Počet iterací (např.20), velikost třídy (minimum pixlů ve třídě např 50)

• př. ISO data z 5 tříd a pak K means z 5 tříd → další nastavení nechat (třídy jsou zařazeny správně) → nechat nastavení, zvolit výstup OK → výsledkem Confusion Matrix

• naklikat ROI - každý bod potvrdit entrem → Confusion Matrix Ground Truth ROI → v případě potíží naklikat kombinace ROI + Class OK → vyběhne matice