python dataset[trans_python gdal根据图像坐标生成矢量框（含图像坐标转地理坐标）...

要生成矢量框需要将图像坐标转换为地理坐标或者投影坐标，以下代码是生成了满足条件的1000*1000区域对应的矢量框，关键在于红色字体部分。

# -*- coding: utf-8 -*-

import os

from osgeo import ogr, osr

import gdal

import heapq

import numba

import numpy as np

def read_img(filename):

dataset=gdal.Open(filename)

im_width = dataset.RasterXSize

im_height = dataset.RasterYSize

im_geotrans = dataset.GetGeoTransform()

im_proj = dataset.GetProjection()

im_data = dataset.ReadAsArray(0,0,im_width,im_height)

del dataset

return im_proj,im_geotrans,im_width, im_height,im_data

def write_img(filename, im_proj, im_geotrans, im_data):

if 'int8' in im_data.dtype.name:

datatype = gdal.GDT_Byte

elif 'int16' in im_data.dtype.name:

datatype = gdal.GDT_UInt16

else:

datatype = gdal.GDT_Float32

if len(im_data.shape) == 3:

im_bands, im_height, im_width = im_data.shape

else:

im_bands, (im_height, im_width) = 1,im_data.shape

driver = gdal.GetDriverByName("GTiff")

dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)

dataset.SetGeoTransform(im_geotrans)

dataset.SetProjection(im_proj)

if im_bands == 1:

dataset.GetRasterBand(1).WriteArray(im_data)

else:

for i in range(im_bands):

dataset.GetRasterBand(i+1).WriteArray(im_data[i])

del dataset

@numba.jit

def conv2(X, k):

x_row, x_col = X.shape

k_row, k_col = k.shape

ret_row, ret_col = x_row - k_row + 1, x_col - k_col + 1

ret = np.empty((ret_row, ret_col))

for y in range(ret_row):

for x in range(ret_col):

sub = X[y : y + k_row, x : x + k_col]

ret[y,x] = np.sum(sub * k)

return ret

def imagexy2geo(dataset, row, col):

'''

根据GDAL的六参数模型将影像图上坐标(行列号)转为投影坐标或地理坐标(根据具体数据的坐标系统转换)

:param dataset: GDAL地理数据

:param row: 像素的行号

:param col: 像素的列号

:return: 行列号(row, col)对应的投影坐标或地理坐标(x, y)

'''

trans = dataset.GetGeoTransform()

px = trans[0] + col * trans[1] + row * trans[2]

py = trans[3] + col * trans[4] + row * trans[5]

return px, py

if __name__ == '__main__':

ogr.RegisterAll()

img_path = 'E:/wsl/pre/xm_15rgb.tif'

temp = 'E:/wsl/pre/xm_15rgb_temp.tif'

out = 'E:/wsl/shp/'

im_proj,im_geotrans,im_width, im_height,im_data = read_img(img_path)

im_data[im_data<50] = 0

im_data[im_data>250] = 0

write_img(temp, im_proj, im_geotrans, im_data)

print('save temp')

kernel = np.ones((1000,1000))

dataset=gdal.Open(temp)

im_width = dataset.RasterXSize

im_height = dataset.RasterYSize

im_geotrans = dataset.GetGeoTransform()

im_proj = dataset.GetProjection()

w_left = im_width%1000

h_left = im_height%1000

im_width_count = im_width/1000

im_height_count = im_height/1000

data_list = {}

for i in range(im_width_count):

for j in range(im_height_count):

data = dataset.ReadAsArray(i*1000, j*1000, 1000, 1000)

conv = np.sum(data * kernel)

data_list[str(i)+ "_" + str(j)] = conv

new_list = sorted(data_list,key=data_list.__getitem__, reverse=True)

# new_list = sorted(data_list,key=data_list.__getitem__)

count = 1

for ele in new_list[0:50]:  #输出满足条件的前50个矢量框

w, h = ele.split('_')

w = int(w)*1000

h = int(h)*1000

wa, ha = imagexy2geo(dataset, h, w)

w1 = int(w) + 1000

h1 = int(h)

wa1, ha1 = imagexy2geo(dataset, h1, w1)

w2 = int(w) + 1000

h2 = int(h) + 1000

wa2, ha2 = imagexy2geo(dataset, h2, w2)

w3 = int(w)

h3 = int(h) + 1000

wa3, ha3 = imagexy2geo(dataset, h3, w3)

shp_path = os.path.join(out, str(count)+'.shp')

driver = ogr.GetDriverByName("ESRI Shapefile")

data_source = driver.CreateDataSource(shp_path)

srs = osr.SpatialReference()

srs.ImportFromEPSG(4326)

layer = data_source.CreateLayer("polygon", srs, ogr.wkbPolygon)

feature = ogr.Feature(layer.GetLayerDefn())

wkt = "POLYGON((" + str(wa)+ " " +str(ha)+ "," + str(wa1) + " " + str(ha1) + "," + str(wa2)+ " " +str(ha2)+ "," + str(wa3)+ " " +str(ha3) + "))"

point = ogr.CreateGeometryFromWkt(wkt)

point.CloseRings()

feature.SetGeometry(point)

layer.CreateFeature(feature)

feature = None

data_source = None

count += 1

本文分享 CSDN - 如雾如电。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。