1.获取高光谱图像：我用的是indian_pines的数据集，感兴趣的兄弟可以自行去官方网下载，gt的那个是它的标签哦，别搞错了。

2.图像加载：

（1）从本地路径加载

import scipy.io as sio# 文件路径
file_path = '你的本地路径'# 使用scipy加载.mat文件
data = sio.loadmat(file_path)# 提取高光谱图像数据
spectral_image = data['indian_pines']

（2）记得查看打印下你的数据集维度，print("数据集维度：", spectral_image.shape)，后面有用到。

3.归一化处理：

归一化处理：将数据集的值缩放到一个特定的范围内的过程。在显示图像时，归一化处理可以使得图像的亮度和对比度更加均衡，以便更好地观察图像中的细节。

#数据集归一化处理
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.use('TkAgg')#将 Matplotlib 的后端设置为一个支持图像显示的后端
%matplotlib inline#将图像嵌入jupyter book中# 对每个通道进行归一化
normalized_image = spectral_image / np.max(spectral_image)# 将每个通道转换为灰度图像
gray_image = np.mean(normalized_image, axis=-1)# 将灰度图像堆叠在一起来创建伪彩色图像
colorized_image = np.stack([gray_image] * 3, axis=-1)# 显示图像
plt.imshow(colorized_image)
plt.axis('off')
plt.show()

4.图像增强：前面显示的图像太模糊了，我觉得很难受，给它弄增强了，就明显一些。

#图像增强
import cv2
# 将灰度图像转换为伪彩色图像
colorized_image = cv2.applyColorMap((gray_image * 255).astype(np.uint8), cv2.COLORMAP_JET)
# 显示图像
plt.imshow(colorized_image)
plt.axis('off')
plt.show()