分享一下使用深度学习对遥感影像分割后的结果转tiff格式，并赋予地理坐标的方法（适用于单一地物分割）

使用深度学习做分割，出的结果往往是tensor张量，要把tensor转化为tiff文件，并赋予地理参考，便于后续做地理分析

首先是获取存放原始遥感影像数据名（*.tif），代码如下：

# 获取原始遥感影像文件夹
origin_images_path = 'your path'
all_path = os.listdir(origin_images_path)   # 将文件夹下的文件列出来
all_len = len(all_path)     # 获取文件个数，便于后续获取文件序列
# 获取文件夹下的tiff格式文件
tiffs_path=[]   # 空列表存储tiff文件名
for idx in range(all_len):
    if all_path[idx].endswith('.tif'):
        tiffs_path.append(all_path[idx])
tiffs_len = len(tiffs_path)     # 获取tiff格式文件夹个数

使用已经训练好的模型测试：

model = torch.load('your model.pth')
model.eval()
with torch.no_grad():
    idx1 = 0
    for i, data in enumerate(img_loader):
        image = data
        image = image.to(device)
        image = image.float()
        output = model(image)
        output = output.unsqueeze(0)    # （256*256）转（1*256*256）
        output = torch.where(output >= 0.5, 255, 0)  # 设置为255，太小无法显示出来
        output = output.unsqueeze(0)    # 再转（1*1*256*256）
        # writer.add_images('result_{}'.format(i), output,1)  在tensorboard中显示
        # 生成分类结果png格式文件
        output_array = output.cpu().numpy()
        output_array = output_array[0, 0]
        # output_image =Image.fromarray(output_array.astype('uint8'))
        # output_path = 'your png path\\{}.png'.format(idx1)
        # output_image.save(output_path)
        # 加载完整tiff文件路径
        rsimg_path = os.path.join(origin_images_path, tiffs_path[idx1])
        # 使用gdal打开tiff文件
        rsimg = gdal.Open(rsimg_path)
        # 获取原始影像的地理坐标信息
        geotrans = rsimg.GetGeoTransform()
        project = rsimg.GetProjection()
        # 设置输出路径
        output_tiff_path = 'your tiff path\\output_{}.tif'.format(idx1)
        # 创建 GDAL 数据集，指定 TIFF 驱动
        driver = gdal.GetDriverByName('GTiff')
        dataset = driver.Create(output_tiff_path, 256, 256, 1, gdal.GDT_Byte)  #2568256大小，1个灰度波段
        # 设置地理坐标信息
        dataset.SetGeoTransform(geotrans)
        dataset.SetProjection(project)
        # 将数据写入 TIFF 文件
        dataset.GetRasterBand(1).WriteArray(output_array)
        dataset = None
        idx1 += 1
        print('-----完成第{}张-----'.format(idx1))

发现处理后的图像的边界部分无结果，差不多一个像素的宽度（因人而异），使用envi对处理后的tiff影像合并，选择羽化即可较好处理边界无值的问题