在获取遥感图像时，受到太阳辐射、大气传输、地球运动和传感器结构等多种因素的影响，导致遥感图像存在辐射畸变和几何畸变。因此，获取后的影像必须进行辐射校正和几何校正处理。几何校正的目的是纠正几何畸变，确定校正后图像的行列值，并找到新图像中每一像元的亮度值，从而实现待校正图像与基准图像的配准校正。

       几何校正的主要步骤：

        多项式变换通常使用多项式函数来拟合图像像元的位置变换，常见的形式是二维多项式变换，通常表示为：

        其中，(X) 和 (Y) 是原始图像像元的行列坐标，(X') 和 (Y') 是校正后的图像像元的行列坐标，(a_i) 和 (b_i) 是多项式系数。

        通过对图像像元的位置进行测量和对应的地理位置进行配准，可以利用这些配对点来拟合多项式变换的系数。拟合完成后，就可以利用多项式变换将整个图像进行几何校正，从而实现将图像像元的位置映射到其在地球表面的真实地理位置。

        以下是三种重采样输出方法的介绍：

        最近邻法（Near Neighbor）：最近邻内插是一种简单的内插方法，它选择离目标点最近的一个像素值作为内插结果。在放大图像时，最近邻内插会导致图像出现锯齿状的边缘，因为它只是简单地复制最近邻的像素值。尽管最近邻内插方法计算简单，但通常不会产生高质量的图像。

        双线性内插法（Bilinear）：双线性内插是一种比最近邻内插更加精确的内插方法。它会考虑最近的4个像素值，并根据距离加权来计算内插值。双线性内插方法会产生比最近邻内插更加平滑的图像，在放大图像时能够减轻锯齿状边缘的问题。

        三次卷积内插法（Cubic Convolution）：三次卷积内插是一种高阶内插方法，它利用目标点周围更多的像素值来计算内插结果，从而产生更加平滑的图像。它采用了更多的像素值信息，因此在放大图像时通常能够产生更高质量的结果。然而，三次卷积内插方法的计算复杂度也相对较高。

        待校正图像（图像的长宽比例和角度都与采集到的遥感图像有差别）：

        基准图像：        

        由于ENVI5.3版本的工具Registration：Image to Image 不支持手动采点，只支持导入控制点文件的形式，本次实验使用ENVI Classic进行：

ENVI Classic 5.3界面

        界面：打开待校正图像（窗口1）和基准图像（窗口2）

        打开校正工具->Registration->Select GCPs: Image to Image

        选择窗口2为基准，窗口1为待校正图像：

        选择采样点，点击add point，最好为十字路口，桥梁：

        将采样好的点，保存为pts文件：

        然后回到ENVI新版界面，点击工具箱中的校正工具Geometric Correction->Registration: Image to Image：

        选择好待校正图像和基准图像后会可选择自动化采集控制点：

        RMS代表Root Mean Square，即均方根。在几何校正过程中，RMS值通常用来衡量图像像元在实际地理位置和校正后位置之间的差异。RMS值越小，表示校正效果越好，即图像像元的地理位置与实际位置的差异越小。因此，RMS值可以作为评估几何校正质量的指标之一。

        方法选择Polynomial

        重采样选择Cubic Convolution

        从Portal视窗也可以看出与基准图像贴合的程度也是比较好的：