gdal 压缩tif_Python | GDAL处理影像

GDAL栅格数据处理

• 栅格数据介绍
• 栅格数据读取
• 读取部分数据集
• 坐标变换
• 重采样

什么是栅格数据

• 基本上是一个大的二维或三维数组
• 没有独立的几何对象，只有像素的集合
• 二维：黑白图片
• 三维：彩色/假彩色，多光谱/高光谱
• 可以存储几乎任何类型的数据
• 体积比较大
• 应用场景：遥感、气象、水文、农业、海洋……

栅格数据都能存储什么？

• 高程、坡度、坡向
• 温度、风速、降水、蒸发
• 可见光、近红外、微波等遥感数据

栅格数据小知识

• 栅格数据的仿射变换与几何校正：通过一组坐标，像素的大小和数据集的旋转量
• 存储空间：双精度浮点数>单精度浮点数>整数>无符号整数
• 概视图：递减分辨率，用于大数据快速显示
• 有损压缩与无损压缩：地理科学数据应使用无损压缩

GDAL数据集的基本结构

栅格数据读取

• driver.Create(filename, xsize, ysize, [bands], [data_type], [options])

  • filename: 文件名，创建一个新文件
  • xsize: x方向，列数
  • ysize: y方向，行数
  • bands: 波段数，默认值为1，从1开始(不是从0开始)
  • data_type: 数据类型，默认为GDT_Byte(8位无符号整型)
  • options: 其它选项，按数据类型而有所不同

• GDAL支持的数据类型

# 导入gdal，注意导入的名称import osfrom osgeo import gdal #或者直接用import gdalfrom matplotlib import pyplot as pltimage_data_dir = 'D:\BaiduNetdiskDownload\Landsat\Washington'

# Be sure to change your directory.# 切换当前路径os.chdir(image_data_dir)band1_fn = 'p047r027_7t20000730_z10_nn10.tif'band2_fn = 'p047r027_7t20000730_z10_nn20.tif'band3_fn = 'p047r027_7t20000730_z10_nn30.tif'

# 打开波段1(注意这里是从1开始数)# Open band 1.in_ds = gdal.Open(band1_fn)# 用索引1，而不是0，来获取第一个波段in_band = in_ds.GetRasterBand(1)plt.imshow(in_band.ReadAsArray(),cmap='gray')

# Create a 3-band GeoTIFF with the same dimensions, data type, projection,# and georeferencing info as band 1. This will be overwritten if it exists.# 使用驱动对象来创建数据集，因为使用的是GeoTIFF驱动，无论给它任何扩展名，输出的文件都是GeoTIFFgtiff_driver = gdal.GetDriverByName('GTiff')out_ds = gtiff_driver.Create('nat_color.tif',    in_band.XSize, in_band.YSize, 3, in_band.DataType)# 重要：获取空间信息# 第一句：得到投影(SRS)并复制到新的数据集# 第二句：得到geotransform信息并复制到新的数据集# 两者的信息都很重要。# 前者与矢量数据类似，包含有完整的空间参考信息；# 后者提供原始坐标、像素大小、旋转值，是栅格数据独有的out_ds.SetProjection(in_ds.GetProjection())out_ds.SetGeoTransform(in_ds.GetGeoTransform())

0

print(out_ds.GetProjection())

PROJCS["WGS 84 / UTM zone 10N",GEOGCS["WGS 84",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG"