重采样篇①：二维数组求和重采样（针对遥感影像转为的数组）

关键词：重采样，numpy，切片，python

分辨率为10m的遥感影像读出的数组origin_arr的性状为9×9，如何通过不遍历的方式将其重采样为30m分辨率，形状为3×3的数组target_arr呢？

结果数组中每个数都是原数组对应区域的和，例如：90=0+1+2+9+10+11+18+19+20，即结果数组中的一个格子对应原来数组的9个格子。

在python中，可以利用numpy的切片取出9个格子的左上位置，left_up_arr = origin_arr[0:9:3, 0:9:3]，结果为：

同理，可以取出另外8个位置:

正上方位置 center_up_arr = origin_arr[0:9:3, 1:9:3]

右上方位置 right_up_arr = origin_arr[0:9:3, 2:9:3]

左边位置 left_center_arr = origin_arr[1:9:3, 0:9:3]

正中位置 center_arr = origin_arr[1:9:3, 1:9:3]

右边位置 right_center_arr = origin_arr[1:9:3, 2:9:3]

左下方位置 left_bottom_arr = origin_arr[2:9:3, 0:9:3]

正下方位置 center_bottom_arr = origin_arr[2:9:3, 1:9:3]

右下方位置 right_bottom_arr = origin_arr[2:9:3, 2:9:3]

上面这些数组大小与target_arr形状相同。

直接进行数组求和，即可得到结果数组。

整理后完成代码，完整求和重采样函数如下：

def lessen_scale(origin_arr, r1, r2):
    """
    把h1行w1列的分辨率为r1矩阵重采样为h2行w2列的分辨率为r2矩阵
    :return:返回结果矩阵及其形状
    """
    h1, w1 = np.shape(origin_arr)
    scale = int(r2 / r1)
    h2 = int(h1 * r1 / r2)
    w2 = int(w1 * r1 / r2)
    target_arr = np.zeros((h2, w2))
    for i in range(scale):
      for j in range(scale):
        target_arr += origin_arr[i:h2*scale:scale, j:w2*scale:scale]
    return target_arr, h2, w2