python rasterio库使用

python rasterio库使用

打开tif图像：rasterDataset = rasterio.open(path)
关闭图像：rasterDataset.close()
注：文件的打开可以使用with as格式

数据相关属性

数据格式：rasterDataset .driver

数据的元信息集合：rasterDataset .profile

数据的波段数目：rasterDataset .count

数据的影像宽度：rasterDataset .width

数据的影像高度：rasterDataset .height

数据的地理范围：rasterDataset .bounds

数据的仿射变换参数（六参数模型）：rasterDataset .transform

数据的投影：rasterDataset .crs

数据相关函数

波段读取：band = rasterDataset .read(index)
index数从1开始，不能超过数据的波段数。如果read()函数不加参数，则得到所有波段（第一个维度是波段）。band为numpy.ndarray类型。

根据地理坐标获取对应的行列坐标：row, col = rasterDataset .index(x, y)

根据行列坐标获取对应的地理坐标（像元中心）：x, y = rasterDataset .xy(row, col)

根据行列坐标获取对应的地理坐标（像元左上角）：x, y = (row, col) * rasterDataset .transform

数据的元信息

数据的元信息集合profile为字典形式，key内容如下：

driver：驱动，例如‘GTiff’
dtype：图像数据类型，例如'float64'
nodata：图像无效值
width：图像宽
height：图像高
count：图像波段数
crs：图像坐标系
transform：仿射变换参数
blockxsize：图像瓦片长度
blockysize：图像瓦片高度
tiled：是否使用瓦片
compress：例如’lzw‘
interleave：例如’band‘

生成profile

profile = dict()
profile['driver'] = 'GTiff'
profile['dtype'] = 'float64'
profile['nodata'] = 65535
profile['width'] = 79
profile['height'] = 75
profile['count'] = 1
profile['crs'] = rasterio.crs.CRS.from_epsg(32650)
profile['transform'] = affine.Affine(1000.0, 0.0, 439384.7649892941, 0.0, -1000.0, 4506138.982869381)
profile['blockxsize'] = 128
profile['blockysize'] = 128
profile['tiled'] = True
profile['compress'] = 'lzw'
profile['interleave'] = 'band'

数据存储

with rasterio.open(outPath, mode='w', **profile) as dst:
	dst.write(data, 1)