GDAL python教程基础篇(10)GDAL读取数据集数据

访问遥感影像的描述性信息,可以概括地知道影像的获取时间、处理时间、空间分辨率、影像大小等一些信息。 但是为了对遥感影像进行处理,需要进一步访问遥感影像中的数据,即影像中像元的灰度值。

GDAL提供了下面两个函数来访问影像的数值。
ReadRaster() 读取图像数据(以二进制的形式)
ReadAsArray() 读取图像数据(以数组的形式)

>>> from osgeo import gdal
>>> dataset = gdal.Open("/gdata/lu75c.tif")
>>> help(dataset.ReadRaster)
>Help on method ReadRaster in module osgeo.gdal:

ReadRaster(xoff=0, yoff=0, xsize=None, ysize=None, buf_xsize=None, buf_ysize=None, buf_type=None, band_list=None, buf_pixel_space=None, buf_line_space=None, buf_band_space=None, resample_alg=0, callback=None, callback_data=None) method of osgeo.gdal.Dataset instance

上面的 help() 函数查看gdal方法:退出查看页面在终端输入“q”。
这是两个非常重要的函数,它们可以直接读取图像的数据, 从而对栅格数据进行分析。可以看到两个函数的帮助中有许多的参数。 解释一下:
xoff,yoff :指定想要读取的部分原点位置在整张图像中距离全图原点的位置(以像元为单位)。
xsize,ysize : 指定要读取部分图像的矩形的长和宽(以像元为单位)。
buf_xsize,buf_ysize :可以在读取出一部分图像后进行缩放。那么就用这两个参数来定义缩放后图像最终的宽和高,gdal将帮你缩放到这个大小。
buf_type :可以对读出的数据的类型进行转换(比如原图数据类型是short,你要把它们缩小成byte)。
band_list :适应多波段的情况。可以指定要读取的波段。

>>> import array
>>> from numpy import *
>>> dataset.ReadAsArray(2500,2500,3,3)
>>> array([[12, 12, 12],
>>> [12, 12, 12],
>>> [12, 12, 12]],dtype=int16)
>>> dataset.ReadRaster(2500,2500,3,3)
b'x0cx00x0cx00x0cx00x0cx00x0cx00x0cx00x0cx00x0cx00x0cx00'

ReadAsArray()读出的是numpy的数组,类型为int16; 而ReadData()读出的是二进制型。

1.读取波段中的数据

ReadAsArray() ,返回的是numpy模块定义的Array, 之所以用它的是因为它排列很工整。

from osgeo import gdal
from osgeo.gdalconst import *
dataset = gdal.Open(r"D:\work\遥感图像处理\数据\BOA Reflectance-10m_MTD_MSIL2A.tif")
band = dataset.GetRasterBand(1)
print(band.ReadAsArray(100,100,5,5,10,10))

在这里插入图片描述
前两个100是取值窗口的左上角在实际数据中所处象元的(x, y)位置。 后两个是取值窗口覆盖的区域大小, 再后面是取值窗口取出数组进行缩放后数组的大小。 这里需要注意的是这里的buffer大小是根据参数自动分配的,可以不指定, 如果不指定,则和第3,4个参数一致。经过5,6两个参数的设置,可以进行缩放。 假如取值窗口大小是20 × 20,取出后数组就可以人工设置大小。 让它成为10 × 10的数组,或者是40 × 40的数组。 如果设置成20 × 40的数组则取出的数组对于真实图像来说有了变形。

2.读取栅格数据方式与效率

对于GeoTiff来说, 从横向读取和纵向读取的效率相差很大。 可以写一个Python脚本文件来验证一下:

>>> from osgeo import gdal
>>> import time
>>> dataset = gdal.Open("/gdata/lu75c.tif")
>>> band = dataset.GetRasterBand(1)
>>> width, height = dataset.RasterXSize, dataset.RasterYSize
>>> bw, bh = 128, 128
>>> bxsize = width/bw
>>> bysize = height/bh
>>> band.ReadAsArray(0,0,width,height)
>>> start = time.time()
>>> band.ReadAsArray(0,0,width,height)
>>> print (time.time()-start)
>>> start2 = time.time()
>>> for i in range(int(bysize)):
>>>     for j in range(int(bxsize)):
>>>         band.ReadAsArray(bw*j,bh*i,bw,bh)
>>> print (time.time()-start2)
0.030247211456298828
0.06247711181640625

3. 地图代数

以计算NDVI为例:

NDVI = (NIR− RED)/(NIR+RED)

其中 NIR 为波段3,RED 为波段2

编程要点如下:
将波段3读入数组 data3 ,将波段2读入数组 data2 ;
使用上面的计算公式;
当 data3 和 data2 均为 0 时(例如用 0 表示 NODATA ), 会出现被0除的错误,导致程序崩溃。需要用 mask 配合 choose 将 0 值去掉。

代码如下:

>>> from osgeo import gdal
>>> import numpy
>>> dataset = gdal.Open("/gdata/geotiff_file.tif")
>>> band2 = dataset.GetRasterBand(2)
>>> band3 = dataset.GetRasterBand(3)
>>> cols = 100
>>> rows = 100
>>> data2 = band2.ReadAsArray(0, 0, cols,rows).astype(numpy.float16)
>>> data3 = band3.ReadAsArray(0, 0, cols,rows).astype(numpy.float16)
>>> mask = numpy.greater(data3 + data2, 0)
>>> ndvi = numpy.choose(mask, (-99, (data3 - data2) / (data3 + data2)))
<ipython-input-10-2e95808c0843>:11: RuntimeWarning: invalid value encountered in true_divide
  ndvi = numpy.choose(mask, (-99, (data3 - data2) / (data3 + data2)))
>>> ndvi
array([[0.2766, 0.318 , 0.4285, ..., 0.3057, 0.275 , 0.6   ],
       [0.1951, 0.2208, 0.3135, ..., 0.2683, 0.3538, 1.    ],
       [0.2142, 0.2195, 0.2896, ..., 0.4182, 0.758 , 1.    ],
       ...,
       [0.6313, 0.6113, 0.6553, ..., 0.3333, 0.359 , 0.36  ],
       [0.4119, 0.4119, 0.422 , ..., 0.3784, 0.3784, 0.3418],
       [0.3684, 0.322 , 0.309 , ..., 0.4084, 0.4   , 0.3684]],
      dtype=float16)

4. 波段数据

DataType是指图像中实际数值的数据类型。具体数据类型定义在gdalconst模块里。
使用的时候用from osgeo import gdalconst引入。
返回结果如下:

>>> from osgeo import gdalconst
>>> dir(gdalconst)[:6] + ['... ...'] + dir(gdalconst)[-3:]
['CE_Debug',
 'CE_Failure',
 'CE_Fatal',
 'CE_None',
 'CE_Warning',
 'CPLES_BackslashQuotable',
 '... ...',
 '_swig_repr',
 '_swig_setattr_nondynamic_class_variable',
 '_swig_setattr_nondynamic_instance_variable']

那些GDT开头的就是数值数据类型。

想要查看图像中某一波段的数据类型,只需要打印这一波段的DataType属性即可。

>>> from osgeo import gdal
>>> dataset = gdal.Open("/gdata/geotiff_file.tif")
>>> band = dataset.GetRasterBand(1)
>>> band.DataType
1

返回结果为整型。原来1表示的是 gdalconst.GDT_Byte 。注意这里的类型是与numpy中的类型对应的。下面我们来看一个gdalconst与整型的对应值。
在这里插入图片描述

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用Python GDAL读取栅格数据需要以下步骤: 1. 打开栅格数据集:使用`gdal.Open()`函数打开栅格数据集,返回一个`gdal.Dataset`对象。 2. 获取栅格数据信息:使用`gdal.Dataset.RasterXSize`和`gdal.Dataset.RasterYSize`属性获取栅格数据的宽度和高度,使用`gdal.Dataset.GetProjection()`和`gdal.Dataset.GetGeoTransform()`方法获取栅格数据的投影和仿射变换信息。 3. 读取栅格数据:使用`gdal.Dataset.GetRasterBand()`方法获取指定波段的`gdal.Band`对象,并使用`gdal.Band.ReadAsArray()`方法读取数据。 4. 关闭数据集:使用`gdal.Dataset`对象的`None`赋值或`gdal.Dataset.Close()`方法关闭数据集。 以下是一个示例代码,读取GeoTIFF格式的栅格数据文件: ```python import gdal # 打开栅格数据集 ds = gdal.Open('path/to/raster.tif') if ds is None: # 打开失败 exit(-1) # 获取栅格数据信息 width = ds.RasterXSize height = ds.RasterYSize projection = ds.GetProjection() transform = ds.GetGeoTransform() # 读取栅格数据 band = ds.GetRasterBand(1) data = band.ReadAsArray() # 关闭数据集 ds = None ``` 在示例代码中,使用`gdal.Open()`函数打开`raster.tif`文件,返回一个`gdal.Dataset`对象。然后使用`gdal.Dataset.RasterXSize`和`gdal.Dataset.RasterYSize`属性获取栅格数据的宽度和高度,使用`gdal.Dataset.GetProjection()`和`gdal.Dataset.GetGeoTransform()`方法获取栅格数据的投影和仿射变换信息。接着,使用`gdal.Dataset.GetRasterBand()`方法获取指定波段的`gdal.Band`对象,并使用`gdal.Band.ReadAsArray()`方法读取数据。最后,使用赋值为`None`或`gdal.Dataset.Close()`方法关闭数据集

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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