在已知训练样本情况下，利用最小距离法对遥感影像进行分类的代码

最小距离法分类是一种简单易实现的遥感影像分类方法。下面是一个利用最小距离法对遥感影像进行分类的 Python 代码示例：

import numpy as np
import gdal

# 读取遥感影像数据
img_path = 'your_image_path.tif'
img_dataset = gdal.Open(img_path)
img_rows = img_dataset.RasterYSize
img_cols = img_dataset.RasterXSize
img_bands = img_dataset.RasterCount
img_data = np.zeros((img_rows, img_cols, img_bands))
for i in range(img_bands):
    band = img_dataset.GetRasterBand(i+1)
    img_data[:, :, i] = band.ReadAsArray()

# 读取训练样本数据
train_data_path = 'your_train_data_path.npy'
train_data = np.load(train_data_path)

# 最小距离分类
result_data = np.zeros((img_rows, img_cols))
for i in range(img_rows):
    for j in range(img_cols):
        point = img_data[i, j, :]
        min_dist = float('inf')
        min_class = 0
        for k in range(train_data.shape[0]):
            dist = np.linalg.norm(point - train_data[k, :-1])
            if dist < min_dist:
                min_dist = dist
                min_class = train_data[k, -1]
        result_data[i, j] = min_class

# 保存分类结果
result_path = 'your_result_path.tif'
driver = gdal.GetDriverByName('GTiff')
result_dataset = driver.Create(result_path, img_cols, img_rows, 1, gdal.GDT_Byte)
result_dataset.GetRasterBand(1).WriteArray(result_data)
result_dataset.FlushCache()
result_dataset = None

其中，`img_path` 是遥感影像数据的路径，`train_data_path` 是训练样本数据的路径，`result_path` 是分类结果的保存路径。在 `train_data` 中，每一行代表一个样本，最后一列为该样本所属的类别。对于每个像素点，计算它与每个训练样本的距离，选择距离最小的样本所属的类别作为分类结果。最后将分类结果保存为 GeoTIFF 格式的文件。