尧图网站建设 
Spectral Python单元测试全攻略确保你的 hyperspectral 项目稳定可靠【免费下载链接】spectralPython module for hyperspectral image processing项目地址: https://gitcode.com/gh_mirrors/spe/spectralSpectral Python简称 SPy是一个专门用于 hyperspectral 图像处理成像光谱数据处理的纯 Python 模块提供高光谱影像的读取、显示、预处理、分类与光谱数据库查询等一整套能力。本文是一份Spectral Python单元测试完整实战攻略带你从零开始运行、理解并扩展 SPy 自带的 pytest 测试套件让你的 hyperspectral 算法在每次代码改动后都能保持稳定可靠不再“改一处、崩一片”。为什么 hyperspectral 项目离不开单元测试hyperspectral 图像动辄上百个波段数据量大、处理链路长读文件 → 预处理 → 算法 → 可视化任何一个环节出错都很难肉眼察觉。单元测试的价值就在于✅快速回归每次改动算法后几分钟内确认核心功能没有被破坏✅数据格式保护ENVI、AVIRIS、ERDAS 等格式的读写逻辑一旦被改坏测试会立刻报警✅数值正确性均值协方差、光谱角、NDVI 等计算的精度有据可查✅降低入门门槛测试代码本身就是最好的“算法使用说明书”SPy 仓库内置了 26 个测试模块、超过 500 个测试函数参数化展开后约 1200 个测试用例覆盖了几乎全部核心功能堪称 hyperspectral 开发者的“安全气囊”。Spectral Python 测试套件全景pytest 与 26 个测试模块所有单元测试都集中在spectral/tests/目录下使用 pytest 作为测试框架依赖 numpy 进行数值断言。核心入口是测试目录spectral/tests/共享配置conftest.py —— 定义了所有 fixture、pytest 选项与自定义标记运行说明README.rst 的 Unit Tests 一节README.rst测试文件地图每个模块测什么测试文件覆盖内容test_algorithms.py均值协方差、NDVI、光谱角、混合像元分解等核心算法test_envi.py / test_aviris.py / test_erdas.pyENVI、AVIRIS、ERDAS 数据格式读写test_classifiers.py / test_clustering.py分类器与聚类算法test_detectors.py / test_perceptron.py目标检测器与感知机test_database.pyASTER、ECOSTRESS、RELAB、USGS 光谱数据库test_resampling.py / test_transforms.py波段重采样与线性变换test_spatial.py / test_continuum.py空间滤波与连续统去除test_graphics.py / test_colorscale.py / test_spypylab.py2D 可视化与配色test_hypercube.py / test_ndwindow.py3D 超立方体窗口PySide6/OpenGLtest_spyfile.py / test_memmap.py / test_iterators.pyI/O 底层与内存映射test_spymath.py / test_status.py数学工具与进度状态最快配置方法三步跑通全部单元测试第一步安装依赖SPy 的单元测试只需要两个核心依赖安装非常简单pip install numpy pytest第二步准备示例数据大部分测试需要一张示例高光谱影像92AV3C.lanAVIRIS 数据。SPy 会依次在当前目录和SPECTRAL_DATA环境变量指定的目录中查找数据文件见 spyfile.py 中的find_file_path函数。把示例数据下载并解压后设置export SPECTRAL_DATA/path/to/spectral_data好消息是数据库相关测试test_database.py使用的是仓库自带的样本数据spectral/tests/data/下的 aster、ecostress、relab、usgs 目录不依赖外部数据因此总是可以运行。第三步运行测试在仓库根目录执行pytest spectral/tests命令会运行基础测试 所有已安装可选依赖支持的图形/GUI 测试缺失的可选依赖会自动跳过对应测试不会报错。精准控制测试范围pytest 标记与高级选项SPy 的测试套件为图形相关测试打上了自定义标记定义在 conftest.py 中让你可以精准控制测试范围只跑基础测试跳过所有图形测试pytest -m not graphics spectral/tests只跑某个模块的单元测试pytest spectral/tests/test_algorithms.py强制运行图形测试--require-optional-deps默认情况下缺少 matplotlib、Pillow 等可选依赖时图形测试会被跳过。如果你希望“缺失依赖直接报错”而不是静默跳过可以用pytest --require-optional-depsmatplotlib,PIL spectral/tests这个选项也支持通过环境变量SPECTRAL_REQUIRE_OPTIONAL_DEPS传入非常适合 CI 流水线强制保证测试真的执行过。无显示器环境运行 3D 窗口测试test_hypercube.py和test_ndwindow.py中的 3D 渲染测试标记为gui3d需要真实的 OpenGL 渲染表面。在无显示器headless环境下可以用 Xvfb 虚拟显示器xvfb-run -a pytest --require-optional-depsall spectral/tests深入 conftest.py共享 fixture 的秘密conftest.py 是整个测试套件的“基础设施”它定义了多个高频复用的 fixture理解它们能帮你快速看懂任意测试文件testdir每个测试模块独立的临时目录测试产生的临时文件互不干扰结束后自动清理av3c_image打开示例影像92AV3C.lan供 I/O 与算法测试复用gt打开配套的地面真值分类影像92AV3GT.GIS用于分类算法验证qapp / require_gui3d管理 Qt 应用实例并检测当前环境能否真正渲染 OpenGL 窗口不能则优雅跳过 3D 测试另外 conftest.py 还做了两件贴心的事把spectral日志级别调到 ERROR 避免刷屏以及自动重置 matplotlib 状态防止测试之间相互“串味”。常见问题排查清单症状解决方案报错找不到92AV3C.lan下载示例数据并设置SPECTRAL_DATA环境变量大量测试显示 skipped缺少 matplotlib / Pillow / PySide6 等可选依赖安装后即可启用希望缺失依赖时报错而非跳过使用--require-optional-depsall3D 窗口测试全部失败无显示环境改用xvfb-run -a pytest ...想获取最新开发版测试git clone https://gitcode.com/gh_mirrors/spe/spectral后直接运行上述命令结语对于 hyperspectral 项目而言稳定可靠的数据管线与算法实现是重中之重。Spectral Python单元测试套件不仅能帮你守住代码质量底线更是一份免费的“算法参考实现”——当你对某个函数的用法拿不准时翻一翻对应的测试文件往往比读文档更直观。现在就打开终端跑一遍pytest spectral/tests让 SPy 为你把好 hyperspectral 开发的每一道关吧【免费下载链接】spectralPython module for hyperspectral image processing项目地址: https://gitcode.com/gh_mirrors/spe/spectral创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Spectral Python单元测试全攻略：确保你的 hyperspectral 项目稳定可靠
Spectral Python单元测试全攻略确保你的 hyperspectral 项目稳定可靠【免费下载链接】spectralPython module for hyperspectral image processing项目地址: https://gitcode.com/gh_mirrors/spe/spectralSpectral Python简称 SPy是一个专门用于 hyperspectral 图像处理成像光谱数据处理的纯 Python 模块提供高光谱影像的读取、显示、预处理、分类与光谱数据库查询等一整套能力。本文是一份Spectral Python单元测试完整实战攻略带你从零开始运行、理解并扩展 SPy 自带的 pytest 测试套件让你的 hyperspectral 算法在每次代码改动后都能保持稳定可靠不再“改一处、崩一片”。为什么 hyperspectral 项目离不开单元测试hyperspectral 图像动辄上百个波段数据量大、处理链路长读文件 → 预处理 → 算法 → 可视化任何一个环节出错都很难肉眼察觉。单元测试的价值就在于✅快速回归每次改动算法后几分钟内确认核心功能没有被破坏✅数据格式保护ENVI、AVIRIS、ERDAS 等格式的读写逻辑一旦被改坏测试会立刻报警✅数值正确性均值协方差、光谱角、NDVI 等计算的精度有据可查✅降低入门门槛测试代码本身就是最好的“算法使用说明书”SPy 仓库内置了 26 个测试模块、超过 500 个测试函数参数化展开后约 1200 个测试用例覆盖了几乎全部核心功能堪称 hyperspectral 开发者的“安全气囊”。Spectral Python 测试套件全景pytest 与 26 个测试模块所有单元测试都集中在spectral/tests/目录下使用 pytest 作为测试框架依赖 numpy 进行数值断言。核心入口是测试目录spectral/tests/共享配置conftest.py —— 定义了所有 fixture、pytest 选项与自定义标记运行说明README.rst 的 Unit Tests 一节README.rst测试文件地图每个模块测什么测试文件覆盖内容test_algorithms.py均值协方差、NDVI、光谱角、混合像元分解等核心算法test_envi.py / test_aviris.py / test_erdas.pyENVI、AVIRIS、ERDAS 数据格式读写test_classifiers.py / test_clustering.py分类器与聚类算法test_detectors.py / test_perceptron.py目标检测器与感知机test_database.pyASTER、ECOSTRESS、RELAB、USGS 光谱数据库test_resampling.py / test_transforms.py波段重采样与线性变换test_spatial.py / test_continuum.py空间滤波与连续统去除test_graphics.py / test_colorscale.py / test_spypylab.py2D 可视化与配色test_hypercube.py / test_ndwindow.py3D 超立方体窗口PySide6/OpenGLtest_spyfile.py / test_memmap.py / test_iterators.pyI/O 底层与内存映射test_spymath.py / test_status.py数学工具与进度状态最快配置方法三步跑通全部单元测试第一步安装依赖SPy 的单元测试只需要两个核心依赖安装非常简单pip install numpy pytest第二步准备示例数据大部分测试需要一张示例高光谱影像92AV3C.lanAVIRIS 数据。SPy 会依次在当前目录和SPECTRAL_DATA环境变量指定的目录中查找数据文件见 spyfile.py 中的find_file_path函数。把示例数据下载并解压后设置export SPECTRAL_DATA/path/to/spectral_data好消息是数据库相关测试test_database.py使用的是仓库自带的样本数据spectral/tests/data/下的 aster、ecostress、relab、usgs 目录不依赖外部数据因此总是可以运行。第三步运行测试在仓库根目录执行pytest spectral/tests命令会运行基础测试 所有已安装可选依赖支持的图形/GUI 测试缺失的可选依赖会自动跳过对应测试不会报错。精准控制测试范围pytest 标记与高级选项SPy 的测试套件为图形相关测试打上了自定义标记定义在 conftest.py 中让你可以精准控制测试范围只跑基础测试跳过所有图形测试pytest -m not graphics spectral/tests只跑某个模块的单元测试pytest spectral/tests/test_algorithms.py强制运行图形测试--require-optional-deps默认情况下缺少 matplotlib、Pillow 等可选依赖时图形测试会被跳过。如果你希望“缺失依赖直接报错”而不是静默跳过可以用pytest --require-optional-depsmatplotlib,PIL spectral/tests这个选项也支持通过环境变量SPECTRAL_REQUIRE_OPTIONAL_DEPS传入非常适合 CI 流水线强制保证测试真的执行过。无显示器环境运行 3D 窗口测试test_hypercube.py和test_ndwindow.py中的 3D 渲染测试标记为gui3d需要真实的 OpenGL 渲染表面。在无显示器headless环境下可以用 Xvfb 虚拟显示器xvfb-run -a pytest --require-optional-depsall spectral/tests深入 conftest.py共享 fixture 的秘密conftest.py 是整个测试套件的“基础设施”它定义了多个高频复用的 fixture理解它们能帮你快速看懂任意测试文件testdir每个测试模块独立的临时目录测试产生的临时文件互不干扰结束后自动清理av3c_image打开示例影像92AV3C.lan供 I/O 与算法测试复用gt打开配套的地面真值分类影像92AV3GT.GIS用于分类算法验证qapp / require_gui3d管理 Qt 应用实例并检测当前环境能否真正渲染 OpenGL 窗口不能则优雅跳过 3D 测试另外 conftest.py 还做了两件贴心的事把spectral日志级别调到 ERROR 避免刷屏以及自动重置 matplotlib 状态防止测试之间相互“串味”。常见问题排查清单症状解决方案报错找不到92AV3C.lan下载示例数据并设置SPECTRAL_DATA环境变量大量测试显示 skipped缺少 matplotlib / Pillow / PySide6 等可选依赖安装后即可启用希望缺失依赖时报错而非跳过使用--require-optional-depsall3D 窗口测试全部失败无显示环境改用xvfb-run -a pytest ...想获取最新开发版测试git clone https://gitcode.com/gh_mirrors/spe/spectral后直接运行上述命令结语对于 hyperspectral 项目而言稳定可靠的数据管线与算法实现是重中之重。Spectral Python单元测试套件不仅能帮你守住代码质量底线更是一份免费的“算法参考实现”——当你对某个函数的用法拿不准时翻一翻对应的测试文件往往比读文档更直观。现在就打开终端跑一遍pytest spectral/tests让 SPy 为你把好 hyperspectral 开发的每一道关吧【免费下载链接】spectralPython module for hyperspectral image processing项目地址: https://gitcode.com/gh_mirrors/spe/spectral创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考