Orfeo ToolBox初探（二）Application介绍 and Python API调用

PyGata

已于 2023-03-10 17:31:35 修改

阅读量799

点赞数

分类专栏： OrfeoToolBox初探文章标签： python 图像处理 jupyter

于 2023-03-09 21:53:20 首次发布

本文链接：https://blog.csdn.net/weixin_44510686/article/details/129432100

版权

OrfeoToolBox初探专栏收录该内容

2 篇文章

订阅专栏

本文介绍了OTB（OrfeoToolBox）的应用程序调用方法，包括参数传递（如查看配置参数、逐个传参、字典传参），Numpy数组与OTBApplication的交互，内存连接优化处理流程，以及混合连接（内存/磁盘）模式。通过示例展示了如何使用OTB进行图像处理，如PCA降维、局部统计特征提取和波段拆分等操作，强调了OTB的高效性和易用性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Application介绍

如下代码可以查看OTB工具箱可访问的应用程序数目与具体名称

import os
import otbApplication as otb

print("otb可访问的应用程序数量：",len(otb.Registry.GetAvailableApplications()))
print("otb可访问的应用程序：\n",str(otb.Registry.GetAvailableApplications()))

如下图，共有117个应用程序

二、Application调用方法

2.1 传参方法

2.1.1 可配置参数查看

以平滑工具：Smoothing为例，创建实例并查看其可配置参数

os.chdir("E:\\data_manage\\image\\OTB")    # 更改当前工作路径
app = otb.Registry.CreateApplication("Smoothing")    #  注册"Smoothing"工具
print(app.GetParametersKeys())   # 查看可配置参数

如下图，Smoothing工具的基本参数包括：输入、输出、平滑类型以及各平滑类型下的参数等

2.1.2 逐个传参

调用Smoothing工具对DEM进行均值平滑，半径设为3，即执行7×7矩形窗口的均值滤波。

app.SetParameterString("in", "./AW3D/DEM-AW3D30.tif")  # 输入文件路径
app.SetParameterString("type", "mean")        # String类型参数
app.SetParameterInt("type.mean.radius", 3)  # Int类型参数
app.SetParameterString("out", "./AW3D/DEM_smooth.tif")  # 输出文件保存路径
app.ExecuteAndWriteOutput()   # 执行并写入文件

如下图，为原始DEM与7×7均值平滑后DEM对比

2.1.3 字典传参

通过字典传递参数，更为方便

params = {"in": "./AW3D/DEM-AW3D30.tif"
        , "type": "mean"
        , "type.mean.radius": 3
        , "out": "./AW3D/DEM_smooth1.tif"}
app.SetParameters(params)      # 字典传参
app.ExecuteAndWriteOutput()

2.2 Numpy数组连接

OTB支持以numpy数组作为图像数据传入Application，故可将其插入gdal、opencv等第三方库的图像处理链中，下面举例说明插入方式。
如下所示，使用cv2读取图像，使用降维工具：DimensionalityReduction生成前3个主成分，通过Set/GetVectorImageAsNumpyArray()方法输入或输出numpy格式图像，利用plt成图显示结果。

import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
import otbApplication as otb

① 利用cv2读取图片

dog = cv2.imread('E:\\project_manage\\opencv\\images\\dog.jpg',flags=1)
cv2.imshow("dog",dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

② 注册“降维”工具并输出可配置参数

app = otb.Registry.CreateApplication("DimensionalityReduction")
print (app.GetParametersKeys())

③ 设置参数、执行PCA降维、获取输出的numpy图像

app.SetVectorImageFromNumpyArray('in',dog)   # 设置多波段numpy为输入
params = {
        "method": "pca"        # 降维方法为主成分分析
       , "method.pca.whiten": "true"  # 是否执行"白化"，默认为true
       , "nbcomp": 3              # 输出主成分个数
       , "rescale": "minmax"    # 调整输出图像灰度范围，默认0~255
       }
app.SetParameters(params)
app.Execute()  # 仅执行
dog_pca = app.GetVectorImageAsNumpyArray('out')  # 获取app输出的多波段numpy
print('图片尺寸：', dog_pca.shape)

④ PCA降维结果出图

fig,axes = plt.subplots(figsize=(5,4),dpi=200,nrows=2, ncols=2)
plt.subplots_adjust(left=0.02, bottom=0.02, right=0.98, top=0.95, wspace=0.1, hspace=0.15)

axes[0,0].set_title('(a) dog',fontsize=10)
axes[0,0].set_axis_off()
dog_rgb = cv2.cvtColor(dog, cv2.COLOR_BGR2RGB)
axes[0,0].imshow(dog_rgb)

axes[0,1].set_title('(b) dog_pca1',fontsize=10)
axes[0,1].set_axis_off()
axes[0,1].imshow(dog_pca[: , : , 0],cmap='gray')

axes[1,0].set_title('(c) dog_pca1',fontsize=10)
axes[1,0].set_axis_off()
axes[1,0].imshow(dog_pca[: , : , 1],cmap='gray')

axes[1,1].set_title('(d) dog_pca1',fontsize=10)
axes[1,1].set_axis_off()
axes[1,1].imshow(dog_pca[: , : , 2],cmap='gray')

os.chdir("E:\\data_manage\\image\\OTB")    # 更改当前工作路径
plt.savefig('./Figure/dog_pca.jpg')
plt.show()

⑤ 制图结果
请添加图片描述

2.3 内存连接

在使用多个Application处理图像的流程中，应用程序之间频繁的图像读/写耗费时间巨大。为提高性能，OTB允许将一个应用程序的输出临时保存至内存，作为下一个应用程序的输入，仅需最后一个应用程序负责写入最终处理结果。
如下所示，首先使用降维工具：DimensionalityReduction对遥感影像执行主成分分析，使用GetParameterOutputImage()方法获取主成分输出，对第一主成分执行局部统计特征提取：LocalStatisticExtraction，并利用影像连接工具：ConcatenateImages将第一主成分和局部特征组合为多通道图像。

import os
import otbApplication as otb

① 注册Application

os.chdir("E:\\data_manage\\image\\OTB")    # 更改当前工作路径
app1 = otb.Registry.CreateApplication("DimensionalityReduction")
app2 = otb.Registry.CreateApplication("LocalStatisticExtraction")
app3 = otb.Registry.CreateApplication("ConcatenateImages")

② PCA降维

app1.IN = './Sentinel-2/S2B_MSIL2A.tif'
params_1 = {
         "method": "pca"        # 降维方法为主成分分析
        , "method.pca.whiten": "true"  # 是否执行"白化"，默认为true
        , "nbcomp": 1              # 输出主成分个数
        , "rescale": "minmax"    # 调整输出图像灰度范围，默认0~255
        }
app1.SetParameters(params_1)
app1.Execute()

③ 局部特征提取

# 提取4个局部特征：均值（Mean），方差（Variance）， 偏度（Skewness）和峰度（Kurtosis）
app2 = otb.Registry.CreateApplication("LocalStatisticExtraction")
# 连接 app1的输出 和 app2的输入
app2.SetParameterInputImage("in",app1.GetParameterOutputImage("out"))  
app2.SetParameterInt("channel", 1)   # 以输入图像中第1个主成分统计局部特征
app2.SetParameterInt("radius", 2)   #窗口大小为：5 =2*radius +1
app2.Execute()

④ 读取输入图像列表（单通道或多通道）并生成单个多通道图像

app3.AddImageToParameterInputImageList("il",app1.GetParameterOutputImage("out"))  # 将第1主成分推入app3的输入图像列表
app3.AddImageToParameterInputImageList("il",app2.GetParameterOutputImage("out"))  # 将第1主成分的局部统计结果推入app3的输入图像列表
app3.SetParameterString("out", "./Sentinel-2/S2B_PCA_LSE.tif")  # 输出文件保存路径
app3.ExecuteAndWriteOutput()

2.4 混合连接（内存/磁盘）

混合连接作为OTB应用程序连接的扩展，可以轻松在以下两种模式之间轻松切换，具有更简便的语法：

in-memery内存模式：可以避免不必要的读写
on-disk硬盘模式：可以保留中间输出到硬盘上

2.4.1 内存模式

该模式使用ConnectImage()方法连接上一个应用程序的输出与当前应用程序的输入，上游应用程序无需调用Execute()方法，仅需对最后一个应用程序执行ExecuteAndWriteOutput()便可嵌套执行所有上游程序，相比2.3中标准内存连接方式更加简便。
如下示例，首先利用辐射指数工具：RadiometricIndices 计算植被、水体、建筑表面指数，输出多波段数据，然后利用波段拆分工具：SplitImage 获得每个指数的单通道输出。

① 注册辐射指数工具并输出可配置参数

os.chdir("E:\\data_manage\\image\\OTB")    # 更改当前工作路径
app1 = otb.Registry.CreateApplication("RadiometricIndices")    #  注册"RadiometricIndices"工具
print(app1.GetParametersKeys())   # 查看可配置参数

② 使用“in-memery”模式连接两个工具，输出指数

params = {"in": "./Sentinel-2/S2B_MSIL2A.tif"
        , "list": ['Vegetation:NDVI', 'Water:NDWI2', 'BuiltUp:ISU']
        , 'channels.blue' : 1
        , 'channels.green' : 2
        , 'channels.red' : 3
        , 'channels.nir' : 4
        }
app1.SetParameters(params)

# 注册波段拆分工具
app2 = otb.Registry.CreateApplication("SplitImage")   # "波段拆分"应用程序
app2.ConnectImage("in", app1, "out")   # 以app1的输出（多通道指数）作为app2的输入
app2.OUT = './Sentinel-2/S2B_Index.tif'
app2.ExecuteAndWriteOutput()

③ 输出结果
请添加图片描述

④ RadiometricIndices可计算的遥感指数
请添加图片描述

2.4.2 硬盘模式

对上述代码的最后一个应用程序执行app2.PropagateConnectMode(False)即可切换内存模式为硬盘模式，False表示硬盘模式，True表示内存模式（默认）。
此外，当指定混合连接为硬盘模式时，需设置中间应用程序的输出路径，如果不设置，则回退为内存模式。更改后的代码与输出结果如下：

params = {"in": "./Sentinel-2/S2B_MSIL2A.tif"
        , "out": "./Sentinel-2/S2B_Indices.tif"
        , "list": ['Vegetation:NDVI', 'Water:NDWI2', 'Soil:BI2']
        , 'channels.blue' : 1
        , 'channels.green' : 2
        , 'channels.red' : 3
        , 'channels.nir' : 4
        }
app1.SetParameters(params)

# 注册波段拆分工具
app2 = otb.Registry.CreateApplication("SplitImage")   # "波段拆分"应用程序
app2.ConnectImage("in", app1, "out")   # 以app1的输出（多通道指数）作为app2的输入
app2.OUT = './Sentinel-2/S2B_Index.tif'
app2.PropagateConnectMode(False)
app2.ExecuteAndWriteOutput()

请添加图片描述

2.5 与OTB pipeline进行交互

我们知道，使用gdal读取遥感影像、DEM等栅格数据时，可以通过属性或方法获取数据附带的元数据，如投影、仿射变换参数、像素大小与图像的尺寸等等。
OTB也可实现上述功能，可以与每个Application内部的处理管线进行交互，适用于有输出和输入参数的应用程序。这可作为OTB图像与numpy数组的桥梁，首先保存图像的基本元数据，以numpy格式实现图像处理后，重新将图像元数据赋予处理结果。下方是使用ReadImageInfo工具读取影像元数据的简单示例：

① 注册工具，查看参数

os.chdir("E:\\data_manage\\image\\OTB")    # 更改当前工作路径
app = otb.Registry.CreateApplication("ReadImageInfo")
print(app.GetParametersKeys())   # 查看可配置参数

② 读取影像数据并执行，输出元数据

app.SetParameterString("in", "./Sentinel-2/S2B_MSIL2A.tif")
app.Execute()

请添加图片描述

③ 利用GetParameterValue()方法逐个获取元数据信息

# 查看影像尺寸、像素长宽、传感器、数据类型、投影与坐标系
someKeys = ['sizex', 'sizey', 'spacingx', 'spacingy', 'sensor',  'datatype', 'projectionref']
for key in someKeys:
    print(key + ' : ' + str(app.GetParameterValue(key)))

请添加图片描述