gdal+python 黑暗像元校正

该博客详细介绍了如何利用GDAL库和Python进行暗像元校正的过程,包括转换DN值为辐射能量值,计算相对反射率,并选取波段最小值进行校正,最后将结果写入新的栅格文件。
摘要由CSDN通过智能技术生成

“””
暗像元校正
方法:计算波段中的最小值进行暗像元校正
过程:1.影像DN值转为辐射能量值(L = DN*gain +bias)
2.计算相对反射率(ρ=π×D2×L/(ESUNI×COS(SZ)))
3.选择波段最小值进行波段值运算(dataset.data =bands-bandsMin)
4.新建栅格数据写入数据(driver = gdal.Create(self, *args, **kwargs))

@time:2018/4/2 9:40
@author:wujd
“””
from osgeo import gdal
import numpy as np
import os

打开数据文件

os.chdir(r”F:\Wujd\0330darkPixel\3285750”)
dataset = gdal.Open(“HJ1A-CCD1-451-63-20171202-L20003285750-1.TIF”)

获取栅格数据的行列数,波段数,放射矩阵,投影信息

im_width = dataset.RasterXSize
im_height = dataset.RasterYSize
im_bands = dataset.RasterCount
im_geotrans = dataset.GetGeoTransform()
im_proj = dataset.GetProjection()
im_data = da

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
gdal是一个用于空间数据处理的库,它提供了许多功能来处理栅格数据,如图像处理、地理坐标转换等。Python是一种常用的编程语言,gdal库可以与Python结合使用,以便更方便地处理栅格数据。 直方图均衡是一种图像增强的技术,用于增强图像的对比度和亮度。在gdal python中,可以使用HistogramEqualization函数来实现直方图均衡。 首先,我们需要打开要进行直方图均衡的图像文件。可以使用gdal.Open函数来打开图像文件,并将其读取为一个gdal数据集。然后,可以使用GetRasterBand方法来获取图像的每个波段。接下来,可以使用ReadAsArray方法将波段数据读取为一个numpy数组。 然后,我们可以使用numpy.histogram函数来计算图像的直方图。直方图是对图像中不同像素值的统计。然后,可以使用numpy.cumsum函数计算累积分布函数(CDF),并将其标准化为0到255之间的范围。 接下来,我们可以使用numpy.interp函数来对图像的像素值进行重新映射,并使用numpy.uint8类型将其限制在0到255之间。然后,可以使用gdal.Band.WriteArray方法将修改后的数据写入原始图像文件中。 最后,我们应该注意,直方图均衡可能会导致图像的某些区域过亮或过暗,这可能需要进一步的处理来调整图像的对比度。例如,可以使用线性拉伸和直方图规定化等技术来进一步增强图像。 总之,gdal python提供了直方图均衡的功能,可以通过打开图像文件、计算直方图、进行像素值重新映射和写入修改后的数据来实现。直方图均衡是一种常用的图像增强技术,可以提高图像的对比度和亮度。但需要注意,直方图均衡可能导致某些图像区域变得过亮或过暗,可能需要进一步处理来调整图像的对比度。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值