【实验笔记】谷歌地图配准哨兵二号影像制作遥感影像数据集

最新推荐文章于 2024-05-01 19:10:24 发布

那咋办嘛_

最新推荐文章于 2024-05-01 19:10:24 发布

阅读量1.3k

点赞数 19

文章标签：笔记

本文链接：https://blog.csdn.net/qq_43631231/article/details/134637746

版权

1、谷歌影像与哨兵影像是否为同一时期，是否完全相同，谷歌影像的标签是否真的可以用作哨兵影像的标签？

2、谷歌影像如何下载？

3、anylabeling是什么？如何用？

4、GDAL包如何下载？

5、代码报错ERROR 1: PROJ: proj_create_from_name: Cannot find proj.db？

一、目的背景

由于哨兵二号影像分辨率为10m，较粗，在制作遥感影像数据集的时候手动划分有困难。我的想法是是否能够将其与谷歌地图影像配准，对谷歌地图的标签制作也就是哨兵二号的标签。

二、数据获取

哨兵二号：欧空局 2023年南京市江宁区某区域 10m

谷歌地图：Global Mapper 2023年南京市江宁区某区域(无偏移) 0.6m

三、数据集制作

根据前面章节，得到哨兵二号的数据集若干，本实验的关键在于配准谷歌影像以及标签的制作。

统一谷歌地图与哨兵二号影像的坐标系，在arcgis里进行检查。

使用得到的哨兵二号数据集对下载的谷歌影像进行裁剪，这里利用arcpy进行操作，用栅格范围对tif进行裁剪，代码如下：

# coding=utf-8
import arcpy
import os

# Sentinel 影像文件夹路径
sentinel_folder = r"D:/DayDayUP/Eco_data/ShuJuJi/tif_sentinel/images"

# 谷歌影像路径
google_image = r"D:/DayDayUP/Eco_data/ShuJuJi/Googlemap/Googlemap.tif"

# 输出文件夹路径
output_folder = r"D:/DayDayUP/Eco_data/ShuJuJi/tif_google"

# 设置工作空间
arcpy.env.workspace = sentinel_folder

# 确保输出文件夹存在，如果不存在则创建
if not os.path.exists(output_folder):
    os.makedirs(output_folder)
print("工作空间设置完成")

# 获取 Sentinel 影像文件夹中所有 tif 文件
sentinel_images = arcpy.ListRasters("*.tif")

print("找到 {} 个 Sentinel 影像".format(len(sentinel_images)))

# 循环处理每个 Sentinel 影像
for sentinel_image in sentinel_images:
    print("处理 {sentinel_image}")

    # 构建输出文件路径
    output_image = os.path.join(output_folder, "g" + os.path.basename(sentinel_image))

    # 使用哨兵影像裁剪谷歌影像
    arcpy.Clip_management(google_image, "#", output_image, os.path.join(sentinel_folder, sentinel_image), "0",
                          "ClippingGeometry")

    print("裁剪完成: {output_image}")

print("脚本执行完成")

使用anylabeling对谷歌影像进行半自动化标签制作（模型下载时需要科学上网）。

将得到的json格式标签转换为带有地理坐标的tif文件，代码如下。

# coding=utf-8
import numpy as np
import json
import os
from osgeo import gdal, ogr, osr
import cv2  # 添加导入语句
import os

runtime_hooks = ['hook.py']
# 指定JSON文件所在文件夹的路径
json_folder = "D:/DayDayUP/Eco_data/ShuJuJi/tif_google"
output_folder = "D:/DayDayUP/Eco_data/ShuJuJi/tif_label"  # 修改为保存 TIFF 的文件夹

# 获取文件夹内所有后缀为.json的文件列表
json_files = [f for f in os.listdir(json_folder) if f.endswith(".json")]

# 遍历每个JSON文件
for json_file_name in json_files:
    print(f"Processing {json_file_name}...")
    json_file_path = os.path.join(json_folder, json_file_name)

    # 1. 读取JSON文件
    with open(json_file_path, 'r') as json_file:
        data = json.load(json_file)

    # 2. 获取原始 TIFF 文件的路径（假设原始 TIFF 文件和 JSON 文件同名且在同一文件夹下）
    original_tiff_path = os.path.join(json_folder, json_file_name.replace(".json", ".tif"))  # 替换为实际路径
    print(f"Original TIFF Path: {original_tiff_path}")

    # 3. 使用GDAL打开原始 TIFF 文件获取地理信息
    original_dataset = gdal.Open(original_tiff_path)
    if original_dataset is None:
        print("Error: Unable to open the original TIFF file.")
        continue

    original_geotransform = original_dataset.GetGeoTransform()
    original_projection = original_dataset.GetProjection()

    # 4. 获取图像的高度和宽度
    image_height = data['imageHeight']
    image_width = data['imageWidth']

    # 5. 创建一个大小与图像高度和宽度相匹配的全零灰度图像
    gray_image = np.zeros((image_height, image_width), dtype=np.uint8)

    # 6. 遍历JSON数据并将多边形区域设置为相应的值
    for shape in data['shapes']:
        label = shape['label']
        points = shape['points']
        points = np.array(points, dtype=np.int32)

        # 根据不同的标签值设置不同的灰度值
        if label == 'b0':  # b0改成你的标签输入的类名（人工林地）
            cv2.fillPoly(gray_image, [points], 1)  # 将多边形区域设置为值为1
        elif label == 'b1':  # b1改成你第二个的标签类名（原生林地）
            cv2.fillPoly(gray_image, [points], 2)  # 将多边形区域设置为值为2
        # 添加其他标签的处理逻辑，根据需要设置不同的灰度值

    # 7. 生成文件名并保存灰度图像
    output_file_name = json_file_name.replace(".json", "_label.tif")  # 修改为保存 TIFF 文件
    output_file_path = os.path.join(output_folder, output_file_name)
    print(f"Output TIFF Path: {output_file_path}")

    # 8. 创建一个具有地理信息的 TIFF 文件
    driver = gdal.GetDriverByName('GTiff')
    dataset = driver.Create(output_file_path, image_width, image_height, 1, gdal.GDT_Byte)

    # 9. 设置地理信息（使用原始 TIFF 文件的地理信息）
    dataset.SetGeoTransform(original_geotransform)

    # 10. 设置投影信息
    dataset.SetProjection(original_projection)

    # 11. 将灰度图像数据写入 TIFF 文件
    band = dataset.GetRasterBand(1)
    band.WriteArray(gray_image)

    # 12. 关闭数据集
    band = None
    dataset = None
    original_dataset = None

    print("Processing complete.\n")

四、遇见问题

1、谷歌影像与哨兵影像是否为同一时期，是否完全相同，谷歌影像的标签是否真的可以用作哨兵影像的标签？

答：下载了相同时期的谷歌影像，经对比二者一致，

2、谷歌影像如何下载？

答：教你如何轻松下载指定区域谷歌影像_哔哩哔哩_bilibili

3、anylabeling是什么？如何用？

答：如何制作遥感深度学习标签&样本（3）-_那咋办嘛-稍后再看-哔哩哔哩视频 (bilibili.com)

4、GDAL包如何下载？

答：GDAL不同于普通的包，可能直接用命令会报错，要求你下载与之匹配的Visual Studio 2019，如果报错的话，可以从anaconda中下载，结果是一样的。GDAL包是设置地理信息的关键。

5、代码报错ERROR 1: PROJ: proj_create_from_name: Cannot find proj.db？

答：网上找到的解决方式大多是手动下载包到虚拟环境，配置一句环境就可以，但是我试过并不行，这里找到一种真的灵的方法：

将下载的proj文件从运行环境中复制到可执行项目所在的目录，然后在项目运行目录中添加运行挂钩，也就是新建py文件hook.py，代码如下：

import os
import sys

os.environ['PROJ_LIB'] = os.path.dirname(sys.argv[0])

在上面代码中添加：

runtime_hooks = ['hook.py']

运行即可。

那咋办嘛_

关注

19
点赞
踩
27

收藏

觉得还不错? 一键收藏
0
评论
【实验笔记】谷歌地图配准哨兵二号影像制作遥感影像数据集

答：GDAL不同于普通的包，可能直接用命令会报错，要求你下载与之匹配的Visual Studio 2019，如果报错的话，可以从anaconda中下载，结果是一样的。GDAL包是设置地理信息的关键。由于哨兵二号影像分辨率为10m，较粗，在制作遥感影像数据集的时候手动划分有困难。我的想法是是否能够将其与谷歌地图影像配准，对谷歌地图的标签制作也就是哨兵二号的标签。根据前面章节，得到哨兵二号的数据集若干，本实验的关键在于配准谷歌影像以及标签的制作。答：下载了相同时期的谷歌影像，经对比二者一致，
复制链接

扫一扫