python遥感图像开发小软件_python+gdal+遥感图像拼接(mosaic)的实例

作为摄影测量与遥感的从业者，笔者最近开始深入研究gdal，为工作打基础！个人觉得gdal也是没有什么技术含量，调用别人的api。但是想想这也是算法应用的一个技能，多学无害！

关于遥感图像的镶嵌，主要分为6大步骤：

step1：

1)对于每一幅图像，计算其行与列；

2)获取左上角X,Y

3)获取像素宽和像素高

4)计算max X 和 min Y，切记像素高是负值

maxX1 = minX1 + (cols1 * pixelWidth)

minY1 = maxY1 + (rows1 * pixelHeight)

step2 ：计算输出图像的min X ,max X,min Y,max Y

minX = min(minX1, minX2, …)

maxX = max(maxX1, maxX2, …)

y坐标同理

step3：计算输出图像的行与列

cols = int((maxX – minX) / pixelWidth)

rows = int((maxY – minY) / abs(pixelHeight)

step 4：创建一个输出图像

driver.create()

step 5：

1)计算每幅图像左上角坐标在新图像的偏移值

2)依次读入每幅图像的数据并利用1)计算的偏移值将其写入新图像中

step6 ：对于输出图像

1)刷新磁盘并计算统计值

2)设置输出图像的几何和投影信息

3)建立金字塔

下面附上笔者的代码：

#mosica 两张图像

import os, sys, gdal

from gdalconst import *

os.chdir('c:/temp/****')#改变文件夹路径

# 注册gdal(required)

gdal.AllRegister()

# 读入第一幅图像

ds1 = gdal.Open('**.img')

band1 = ds1.GetRasterBand(1)

rows1 = ds1.RasterYSize

cols1 = ds1.RasterXSize

# 获取图像角点坐标

transform1 = ds1.GetGeoTransform()

minX1 = transform1[0]

maxY1 = transform1[3]

pixelWidth1 = transform1[1]

pixelHeight1 = transform1[5]#是负值(important)

maxX1 = minX1 + (cols1 * pixelWidth1)

minY1 = maxY1 + (rows1 * pixelHeight1)

# 读入第二幅图像

ds2 = gdal.Open('**.img')

band2 = ds2.GetRasterBand(1)

rows2 = ds2.RasterYSize

cols2 = ds2.RasterXSize

# 获取图像角点坐标

transform2 = ds2.GetGeoTransform()

minX2 = transform2[0]

maxY2 = transform2[3]

pixelWidth2 = transform2[1]

pixelHeight2 = transform2[5]

maxX2 = minX2 + (cols2 * pixelWidth2)

minY2 = maxY2 + (rows2 * pixelHeight2)

# 获取输出图像坐标

minX = min(minX1, minX2)

maxX = max(maxX1, maxX2)

minY = min(minY1, minY2)

maxY = max(maxY1, maxY2)

#获取输出图像的行与列

cols = int((maxX - minX) / pixelWidth1)

rows = int((maxY - minY) / abs(pixelHeight1))

# 计算图1左上角的偏移值(在输出图像中)

xOffset1 = int((minX1 - minX) / pixelWidth1)

yOffset1 = int((maxY1 - maxY) / pixelHeight1)

# 计算图2左上角的偏移值(在输出图像中)

xOffset2 = int((minX2 - minX) / pixelWidth1)

yOffset2 = int((maxY2 - maxY) / pixelHeight1)

# 创建一个输出图像

driver = ds1.GetDriver()

dsOut = driver.Create('mosiac.img', cols, rows, 1, band1.DataType)#1是bands，默认

bandOut = dsOut.GetRasterBand(1)

# 读图1的数据并将其写到输出图像中

data1 = band1.ReadAsArray(0, 0, cols1, rows1)

bandOut.WriteArray(data1, xOffset1, yOffset1)

#读图2的数据并将其写到输出图像中

data2 = band2.ReadAsArray(0, 0, cols2, rows2)

bandOut.WriteArray(data2, xOffset2, yOffset2)

''' 写图像步骤'''

# 统计数据

bandOut.FlushCache()#刷新磁盘

stats = bandOut.GetStatistics(0, 1)#第一个参数是1的话，是基于金字塔统计，第二个

#第二个参数是1的话：整幅图像重度，不需要统计

# 设置输出图像的几何信息和投影信息

geotransform = [minX, pixelWidth1, 0, maxY, 0, pixelHeight1]

dsOut.SetGeoTransform(geotransform)

dsOut.SetProjection(ds1.GetProjection())

# 建立输出图像的金字塔

gdal.SetConfigOption('HFA_USE_RRD', 'YES')

dsOut.BuildOverviews(overviewlist=[2,4,8,16])#4层

补充知识：运用Python的第三方库：GDAL进行遥感数据的读写

0 背景及配置环境

0.1 背景

GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理。

这个开源栅格空间数据转换库拥有许多和其他语言的接口，对于python,他有对应的第三方包GDAL，下载安装已在上篇文章中提到。

目的: 可以使用Python的第三方包：GDAL进行遥感数据的读写，方便批处理。

0.2 配置环境

电脑系统： win7x64

Python版本: 3.6.4

GDAL版本: 2.3.2

1 读

1.1 TIFF格式

标签图像文件格式(Tag Image File Format，简写为TIFF)是一种灵活的位图格式，主要用来存储包括照片和艺术图在内的图像。它最初由Aldus公司与微软公司一起为PostScript打印开发。TIFF与JPEG和PNG一起成为流行的高位彩色图像格式。

TIFF文件以.tif为扩展名。

def tif_read(tifpath, bandnum):

"""

Use GDAL to read data and transform them into arrays.

:param tifpath:tif文件的路径

:param bandnum:需要读取的波段

:return:该波段的数据，narray格式。len(narray)是行数，len(narray[0])列数

"""

image = gdal.Open(tifpath) # 打开该图像

if image == None:

print(tifpath + "该tif不能打开!")

return

lie = image.RasterXSize # 栅格矩阵的列数

hang = image.RasterYSize # 栅格矩阵的行数

im_bands = image.RasterCount # 波段数

im_proj = image.GetProjection() # 获取投影信息

im_geotrans = image.GetGeoTransform() # 仿射矩阵

print('该tif:{}个行，{}个列，{}层波段, 取出第{}层.'.format(hang, lie, im_bands, bandnum))

band = image.GetRasterBand(bandnum) # Get the information of band num.

band_array = band.ReadAsArray(0,0,lie,hang) # Getting data from zeroth rows and 0 columns

# band_df = pd.DataFrame(band_array)

del image # 减少冗余

return band_array, im_proj, im_geotrans

2 写

2.1 TIFF格式

TIFF格式的数据格式有：Byete、int16、uint16、int32、uint32、float32、float64等7余种。

首先，要判断数据的格式，才能按需求写出。

def tif_write(self, filename, im_data, im_proj, im_geotrans):

"""

gdal数据类型包括

gdal.GDT_Byte,

gdal.GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32,

gdal.GDT_Float32, gdal.GDT_Float64

:param filename: 存出文件名

:param im_data: 输入数据

:param im_proj: 投影信息

:param im_geotrans: 放射变换信息

:return: 0

"""

if 'int8' in im_data.dtype.name: # 判断栅格数据的数据类型

datatype = gdal.GDT_Byte

elif 'int16' in im_data.dtype.name:

datatype = gdal.GDT_UInt16

else:

datatype = gdal.GDT_Float32

# 判读数组维数

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 # 多维或1.2维

#创建文件

driver = gdal.GetDriverByName("GTiff") #数据类型必须有，因为要计算需要多大内存空间

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

dataset.SetGeoTransform(im_geotrans) #写入仿射变换参数

dataset.SetProjection(im_proj) #写入投影

if im_bands == 1:

dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据

else:

for i in range(im_bands):

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

del dataset

3 展示

3.1 TIFF格式

# 这个展示的效果并不是太好，当做示意图用

def tif_display(self,im_data):

"""

:param im_data: 影像数据,narray

:return: 展出影像

"""

# plt.imshow(im_data,'gray') # 必须规定为显示的为什么图像

plt.imshow(im_data) # 必须规定为显示的为什么图像

plt.xticks([]), plt.yticks([]) # 隐藏坐标线

plt.show() # 显示出来，不要也可以，但是一般都要了

以上这篇python+gdal+遥感图像拼接(mosaic)的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

本文标题: python+gdal+遥感图像拼接(mosaic)的实例

本文地址: http://www.cppcns.com/jiaoben/python/302610.html