遥感影像分割成多幅小图像方法

最新推荐文章于 2024-04-09 18:24:02 发布

Remote Sensing

最新推荐文章于 2024-04-09 18:24:02 发布

阅读量5.3k

点赞数 6

本文链接：https://blog.csdn.net/RSstudent/article/details/105883175

版权

遥感图像处理专栏收录该内容

16 篇文章 31 订阅

订阅专栏

目的

本人需要将一幅Landsat8影像，切割成多幅256 * 256的小幅影像，用于深度学习相关处理。
经过在envi中的可视化的裁剪，得到了一幅5130 * 5230的影像，我经过计算，发现可以横向切出
256 * 20，纵向同样切出256*20 =5120，共计400幅影像。

方法

利用python

gdal模块读取影像并存入numpy数组
利用循环和opencv进行写入（实际用的时候要用gdal，可关注我后面有关landsat8处理小工具的博文）
https://blog.csdn.net/RSstudent/article/details/108724556?spm=1001.2014.3001.5501
其中代码的329-378行就是所需内容，还附带了地理编码和投影，地理信息不会丢失，可在实际中使用。
利用os模块得到路径

代码

import numpy as np
from osgeo import gdal
from osgeo import gdal_array
import cv2
import os

filename = 'tiffbigcut.tif'
dataset = gdal.Open(filename)

datatype = dataset.GetRasterBand(1).DataType
rows = dataset.RasterYSize
columns = dataset.RasterXSize
bands = dataset.RasterCount
image = np.zeros((rows, columns, bands), 
				dtype = gdal_array.GDALTypeCodeToNumericTypeCode(datatype))

for b in range(bands):
    band = dataset.GetRasterBand(b+1)
    image[:, :, b] = band.ReadAsArray()

image_cut = image[:5120, :5120, :]

for i in range(19):
    for j in range(19):
        image_save = image_cut[i*256:(i+1)*256, j*256:(j+1)*256, :]
        base_dir = os.getcwd()
        dir_name = 'images'
        dir = os.path.join(base_dir, dir_name)
        filename = str(i) + str(j) + '.png'
        path = os.path.join(dir, filename)
        cv2.imwrite(path, image_save)