背景
在测绘领域中提到的坐标系有两种,一种是地理坐标系,用经纬度高程来表达;另一种是投影坐标系,即经过投影变换后的平面坐标系,通常是xy表达。
坐标系转换有四种情况:
- 地理坐标系转投影坐标系(也叫大地坐标正算)
- 投影坐标系转地理坐标系(也叫大地坐标反算)
- 一种地理坐标系转另一种地理坐标系
- 一种投影坐标系转另一种投影坐标系
本文的坐标系转换理论上涵盖以上四种情况。
实战
import numpy as np
import rasterio
from rasterio.warp import calculate_default_transform, reproject
from rasterio import crs
dataset = rasterio.open('D:/A_2021寒假/城市群相关/Data/ESACCI土地覆盖数据1992-2015/final/mask_proj_con_mask_ESACCI-LC-L4-LCCS-Map-300m-P1Y-1992-v2.0.7.tif')
src_img = 'input.tif' # 输入图像
dst_img = 'output.tif' # 输出图像
dst_crs = crs.CRS.from_proj4('+proj=lcc +lat_1=15 +lat_2=65 +lat_0=30 +lon_0=95 +x_0=0 +y_0=0 +ellps=WGS84 +datum=WGS84 +units=m +no_defs') # 输出图像坐标系
with rasterio.open(src_img) as src_ds:
# 计算在新空间参考系下的仿射变换参数,图像尺寸
dst_transform, dst_width, dst_height = calculate_default_transform(
src_ds.crs, # 输入坐标系
dst_crs, # 输出坐标系
src_ds.width, # 输入图像宽
src_ds.height, # 输入图像高
*src_ds.bounds) # 输入数据源的图像范围
# 更新数据集的元数据信息
profile = src_ds.meta.copy()
profile.update({
'crs': dst_crs,
'transform': dst_transform,
'width': dst_width,
'height': dst_height
})
# 重投影并写入数据
with rasterio.open(dst_img, 'w', **profile) as dst_ds:
for i in range(1, src_ds.count + 1): # 遍历每个图层,通常只需要第一层即可
src_array = src_ds.read(i)
dst_array = np.empty((dst_height, dst_width), dtype=profile['dtype']) # 初始化输出图像数据
# 重投影
reproject(
# 源文件参数
source=src_array,
src_crs=src_ds.crs,
src_transform=src_ds.transform,
# 目标文件参数
destination=dst_array,
dst_transform=dst_transform,
dst_crs=dst_crs,
# 其它配置
resampling=Resampling.average,
num_threads=2)
# 写入图像
dst_ds.write(dst_array, i)
如果你看过我上一篇博文重采样,你会发现代码基本一致。是的,实际上重采样和坐标系转换有个共同点,就是需要计算目标图像在新的坐标系下的仿射变换参数和空间范围。这一步都是通过calculate_default_transform函数来实现的。
坐标系转换的核心在于要写对输出图像的坐标系,即代码中的dst_crs,我这里采用的是crs.CRS.from_proj4(…),实际上还有一些方法,例如from_wkt、from_epsg等,具体参考官网
如果你想获取正确的proj4 string,这里提供一个正规方法:
- 打开spatial reference官网
- 搜索你需要的坐标系,例如wgs84
- 点击进入参考页面,如图
- 点击Proj4,结果就出来了
- 之后在from_proj4(…)函数中黏贴该字符串即可