dzetsaka classification tool是QGIS的強大分類插件，目前主要提供了高斯混合模型分類器、Random Forest、KNN和SVM四種分類器模型，相比于SCP(Semi-Automatic Classification)，他的一個特點就是功能專一，操作簡單。

從十一月開始一直忙于寫個可研材料，持續忙了20天，此外關于訓練這事兒，主要因素一個是數據標注，一個是摸索工具，另外一個是主機性能。想讓數據統計的準一點，就得做好數據標注，數據標注是個體力活也是個技術活，還得有一定常識；摸索工具，在scp使用上，一直缺乏好的文檔，標注起來總是磕磕絆絆的；主機性能也很重要，大部分影像都是上G的圖片，QGIS找了半天也無法設置內存和GPU，總是跑一半，主機就掛了。

后來找到了這個dzetsaka classification tool工具，也是嘗試了兩天，總算有點小進展，但對于大的影像處理還是很慢，一跑就掛，或者跑一天多沒什么結果，姑且先拿來做嘗試吧。

一、zetsaka classification tool依賴于scikit-learn包，所以需要在OSGeo4W Shell先安裝。

執行命令行pip install

D:\Program Files\QGIS 3.34.0>python3 -m pip install scikit-learn -U --user
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Collecting scikit-learn
...
Installing collected packages: threadpoolctl, joblib, scikit-learn
Successfully installed joblib-1.3.2 scikit-learn-1.3.2 threadpoolctl-3.2.0
[notice] A new release of pip is available: 23.2.1-> 23.3.1
[notice] To update, run: python3.exe -m pip install --upgrade pip
D:\Program Files\QGIS 3.34.0>

二、到Plugins查找dzetsaka 工具，顯示dzetsaka : Classification tool即可安裝

三、在Plugin菜單中有一個dzetsaka 子菜單，下面還有子菜單

1、welcome message 包含dzetsaka的文檔、數據集下載地址和如何安裝scikit-learn

2、classification dock，包含工具的分類使用

3、settings，包含模型的選擇

四、打開welcome message菜單，下載樣例數據，點擊down out demonstration dataset即可

下載完成后的目錄結構，包括一個6M多的tif影像和一組shp矢量文件

五、打開demo_dzetsaka工程，可以看到tif影像和標注的結果

六、打開setting進行分類器選擇

七、打開classification dock，選擇影像和矢量文件，Class為分類的字段，可以點擊Classfication Leave empty for temporary file后的按鈕，設置輸出文件路徑和名稱，其下的圖標也可以設置分類器，然后點擊Perform the classification執行。

八、經過一小時的等待，會輸出以下的tif文件

九、對輸出的結果進行設置，選擇Singleband psoudocolor，因為訓練集有五個類別，在這里設置6個類別即可，用不同顏色進行區分

十、格式化后的顯式結果如下，再對照原圖，結果基本還是可信的。

十一、隨機森林分類后再格式化的結果如下：

十一、K近鄰分類后再格式化的結果如下：

十一、高斯混合分類后再格式化的結果如下：

后面開始嘗試在真正的地圖上進行分類，不過太大了，已經運行一天一夜還是未運行出結果。。。

最后歡迎關注公眾號：python與大數據分析