gdal栅格数据裁剪

最新推荐文章于 2025-03-28 02:05:27 发布

陨星落云

最新推荐文章于 2025-03-28 02:05:27 发布

阅读量3.7k

点赞数

分类专栏： gdal（python，C++）文章标签： python

原文链接：https://theonegis.github.io/geos/%E6%A0%85%E6%A0%BC%E6%95%B0%E6%8D%AE%E8%A3%81%E5%89%AA/index.html

版权

gdal（python，C++）专栏收录该内容

38 篇文章

订阅专栏

在进行遥感影像处理的时候，我们经常需要进行裁剪的工作，来看看如何使用GDAL工具进行这项操作吧！

参考资料：

GDAL: gdalwarp
GDAL: gdal_translate
GDAL/OGR Python API
使用GDAL命令
GDAL提供了两个命令可以用于影像的裁剪：gdalwarp和gdal_translate，两个命令中我更推荐使用后者。

gdalwarp命令可以使用-te制定裁剪范围。默认是在原数据的坐标系下的xmin ymin xmax ymax，当然我们也可以使用-te_srs参数指定-te参数所在的坐标系。

为什么不推荐gdalwarp命令呢？这是因为gdalwarp命令只提供了根据坐标系的范围进行裁剪，而不支持根据行列号的裁剪。这时候我们可以求助于gdal_translate命令。

gdal_transalte命令即支持使用-srcwin参数指定行列号范围xoff yoff xsize ysize，也支持使用-projwin参数指定原数据坐标系下的范围ulx uly lrx lry。同时提供参数-projwin_srs可以用于指定-projwin参数所在的坐标系，即跟gdalwarp命令中的-te_srs参数类似。

下面给出一个示例：

gdal_translate -of "GTiff" -srcwin 10 10 256 256 -a_scale 1 HDF4_EOS:EOS_GRID:"MOD09GA.A2018349.h26v05.006.2018351030314.hdf":MODIS_Grid_500m_2D:sur_refl_b01_1 sr_1.tif

这行命令将MODIS数据中的反射率的第一波段进行裁剪，起点为第10行第10列，输出大小为256$\times$255，输出格式为TIFF。

注意这行命令有一个-a_scale 1参数，这个参数指定了裁剪过程不要对DN值进行缩放。如果不加这个值得话，输出图像的DN值会被根据原数据的Scale=10000放大10000倍。

使用Python代码
对于使用Python代码进行裁剪，我们有两种方法：

第一就是对命令行对应的借口直接进行调用。这个最直接最简单。
第二就是首先自己选择出需要裁剪的区域，然后计算裁剪区域的GeoTransform的系数，最后将投影和GeoTransform系数赋值给裁剪子区域，写入输出文件。
我们知道GDAL中使用了六参数模型存储GeoTransform参数，如果进行矩形裁剪的话，只有GT(0)和GT(3)参数会有变化，即需要重新计算裁剪以后的左上角坐标即可。

下面给出使用Python对MODIS反射率的第一波段进行裁剪的代码：

from osgeo import gdal
import numpy as np
# API参考：https://gdal.org/python/
# GDAL命令行参考：https://www.gdal.org/gdal_translate.html
image_name = ('HDF4_EOS:EOS_GRID:'
              '"MOD09GA.A2018349.h26v05.006.2018351030314.hdf":'
              'MODIS_Grid_500m_2D:sur_refl_b01_1')
# 第一种方式，也是最简单的方法：直接使用GDAL命令行对应的Python方法
src: gdal.Dataset = gdal.Open(image_name)
src = gdal.Translate('cropped_with_translate.tif', src, srcWin=[10, 10, 256, 256],
                     options=['-a_scale', '1'])
del src
# 第二种方式，自己选择出需要的像素，然后自己确定裁剪以后的空间参考关系，并写入到输出文件
src: gdal.Dataset = gdal.Open(image_name)
band: gdal.Band = src.GetRasterBand(1)
subset: np.ndarray = band.ReadAsArray(10, 10, 256, 256)
driver: gdal.Driver = gdal.GetDriverByName('GTiff')
dst: gdal.Dataset = driver.Create('cropped_from_scratch.tif', 256, 256, 1, gdal.GDT_Int16)
dst.SetProjection(src.GetProjection())
trans = list(src.GetGeoTransform())
trans[0] -= -10 * trans[1]
trans[3] -= -10 * trans[5]
dst.SetGeoTransform(tuple(trans))
band: gdal.Band = dst.GetRasterBand(1)
band.WriteArray(subset)
band.FlushCache()
del src
del dst