python+gdal分块处理影像

带脑子的程序猿

已于 2022-10-29 11:39:13 修改

阅读量4.4k

点赞数 3

分类专栏：分块处理影像 python 影像处理文章标签： python 开发语言后端

于 2022-03-07 16:09:48 首次发布

本文链接：https://blog.csdn.net/weixin_44805353/article/details/123332321

版权

python 同时被 3 个专栏收录

6 篇文章 1 订阅

订阅专栏

影像处理

5 篇文章 0 订阅

订阅专栏

分块处理影像

1 篇文章 4 订阅

订阅专栏

python+gdal分块处理影去黑边

分块读取影像
- 去黑边
- - 原理

gdal读取几十个G的影像时，存在内存溢出的问题，之前读取大数据想的是先分块读取数据，将分块读取到的数据合并存储到一个数组中，再对数据进行处理，发现该方式任然存在内存溢出的问题，并没有改善，现改为直接对分块的数据进行处理，处理完再存入到保存的目标文件中，每处理一块数据释放一次内存。

分块读取影像

#  index_w, index_h表示读取数据行列号下标， w, h表示数据的宽度和高度（w,h）= (rows,cols)
def read_tif

优惠劵

带脑子的程序猿

关注关注

3
点赞
踩
3

收藏

觉得还不错? 一键收藏
2
评论
python+gdal分块处理影像

学习记录gdal+python分块处理影像
复制链接

扫一扫

专栏目录

gdal读写图像分块处理（精华版）.doc

08-13

gdal读写图像分块处理（精华版）.doc

GDAL分块读取大图像

08-13

利用GDAL分块读取大图像，例子是计算一个栅格图像的NDVI值，采用分块读取的方法。

2 条评论您还未登录，请先登录后发表或查看评论

python-裁剪合并tif格式的图片

weixin_57194935的博客

08-12

568

一、先裁剪合适大小在合并二、把tif格式图片横向/纵向拼接 1.np.concatenate() 2. np.hstack()横向/np.vstack()纵向

Python图像处理的三种方法

m0_61456316的博客

03-25

4190

Pyqt界面，图像处理，机器视觉，缺陷检测

Python地学分析 — GDAL分块读取遥感影像

一叶知秋的博客

12-08

9610

欢迎关注博主的微信公众号：“智能遥感”。该公众号将为您奉上Python地学分析、爬虫、数据分析、Web开发、机器学习、深度学习等热门源代码。本人的GitHub代码资料主页（持续更新中，多给Star，多Fork）： https://github.com/xbr2017 CSDN也在同步更新： https://blog.csdn.net/XBR_2014 " 当单幅遥感影像较大时，...

【计算机视觉 | Python】十个 Python 图像处理工具，建议点赞收藏

wzk4869的博客

05-10

2326

【计算机视觉 | Python】十个 Python 图像处理工具，建议点赞收藏

[Python]使用GDAL对遥感影像进行图像分块

Anabela的博客

07-07

679

1.实现块与块不重叠的矩形分割 2.修改了原先分块后地理位置重叠的问题，该代码分块后各块地理位置投影完全正确 3.如果原影像长宽不是分块后小影像的长宽的整数倍，该代码也能完美解决

python下使用GDAL读取大尺度遥感图像并按要求进行图像分块(块之间无重叠)

CV-小生的博客

12-19

7800

与计算机视觉中的目标检测不同，遥感图像目标检测的检测范围更大，例如机场内的飞机检测、港口内的舰船检测，根据影像分辨率的不同，检测所需图像数据相比自然图像更多、范围更大，如下图1。以高分系列卫星数据为例，高分二号空间分辨率最高达到0.8m，成像幅宽45km；高分六号空间分辨率为2m，成像幅宽800km。 ...

使用GDAL进行大幅图像的分块读写

GDAL与c++的博客

03-12

5246

本博客为博主原创，如果觉得有用的话，关注博主表示支持哦！！！#include "stdafx.h"#include "windows.h" #include <iostream> #include "gdal.h"#include"gdal_priv.h"using namespace std;#define block_size 2048int main(){ GDALAllRegi...

QT+GDAL实现影像的读取和显示

hpu_lx

11-28

6216

单纯备份一下源代码，详细流程参考https://blog.csdn.net/deirjie/article/details/37872743 //open_image.h #pragma once #include <QtWidgets/QMainWindow> #include "ui_open_image.h" #include "gdal_priv.h" #include &lt...

用gdal分块读取和裁剪卫星影像

最新发布

Ailovelearning的博客

11-15

242

利用gdal分块读取和分块导出影像

python+gdal+遥感图像拼接(mosaic)的实例

09-17

主要介绍了python+gdal+遥感图像拼接(mosaic)的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

基于Python-GDAL的遥感影像镶嵌脚本

03-29

（1）支持多幅影像镶嵌（2）window系统以及linux系统均可。（3）镶嵌效果较好，和ARCGIS基本一致。

基于Python的GDAL高分变率遥感影像配准算法

05-30

（2）为避免同名点过大区域错误配准，可进行影像的分块配准，需要注意的是两景影像保证行、列数一致。（3）因数据上传限制，data文件夹里有两个高分二号融合影像（0.8米）的样例数据供大家参考学习。（4）main.py...

Python+GDAL图片批量裁剪

08-26

利用Python脚本对指定目录下指定格式的图片，尤其实geotiff格式图片进行批量裁剪，裁剪后的自图像保留地理坐标

Python+gdal实现img/tiff遥感影像的PCA（主成分分析）

07-12

对数据进行归一化处理（直接减去均值）计算归一化后的数据集的协方差矩阵计算协方差矩阵的特征值和特征向量保留最重要的k个特征（通常k要小于n），也可以自己制定，也可以选择一个阈值，然后通过前k个特征值之和...

整理 Python 中的图像处理利器（共10个）

小白学视觉

06-02

1130

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文主要介绍了一些简单易懂最常用的 Python 图像处理库。当今世界充满了各种数据，而图像是其中高的重要组成部分。然而，若想其有所应用，我们需要对这些图像进行处理。图像处理是分析和操纵数字图像的过程，旨在提高其质量或从中提取一些信息，然后将其用于某些方面。图像处理中的常见任务包括显示图像，基本操作（如裁剪、翻转、旋转等），图像...

10个Python图像处理工具，非常全了

an520_的博客

06-10

1780

10个常用的可以进行图像处理的Python库的介绍，可能有些你还没用过，可以试试看！介绍我们这个世界充满了数据，而图像是这些数据的重要组成部分。然而，要想使用这些图像，需要对它们进行处理。因此，图像处理是分析和处理数字图像的必要的过程，其主要目的是提高图像质量或从中提取一些信息，然后加以利用。图像处理中常见的任务包括图像显示、裁剪、翻转、旋转等基本操作、图像分割、分类和特征提取、图像恢复和图像识别。Python成为这种图像处理任务的合适选择。这是因为它作为一种科学编程语言越来越受欢迎，而且在其生态系统中有许

python通过gdal读取、写入存储栅格数据。栅格数据tif转化为array数组、array数组转化为栅格tif的函数方法

木易GIS的博客

08-16

8650

python通过gdal读取、写入存储栅格数据。栅格数据tif转化为数组数组、array转化为栅格tif的函数方法：首先必须引用引用gdal的模块包。 from osgeo import gdal, gdalconst （1）python读取tif转化为数组的函数 def read_img(self, img_path): """读取遥感数据信息""" dataset = gdal.Open(img_path, gdalconst.GA_ReadOnly)

python+gdal裁剪把非背景区域零值替换为空值

07-15

要使用 Python 和 GDAL 将非背景区域的零值替换为空值，您可以按照以下步骤进行操作： 1. 导入必要的库和模块： ```python from osgeo import gdal, gdal_array import numpy as np ``` 2. 打开原始图像文件： ```python dataset = gdal.Open('input_image.tif', gdal.GA_ReadOnly) ``` 3. 读取原始图像数据并转换为 NumPy 数组： ```python array = dataset.ReadAsArray() ``` 4. 找到非背景区域的零值，并将其替换为空值： ```python array[array != background_value] = np.nan ``` 在上述代码中，`background_value` 是背景区域的像素值。您需要根据实际情况将其替换为正确的值。 5. 将替换后的数组保存到新的输出图像文件： ```python output_dataset = gdal_array.OpenArray(array) gdal_array.SaveArray(output_dataset, 'output_image.tif', format='GTiff') ``` 在这里，我们使用 `gdal_array.OpenArray()` 函数将数组转换为 GDAL 数据集，并使用 `gdal_array.SaveArray()` 函数将数据集保存为新的图像文件。请注意，这只是一个基本示例，您可能需要根据您的实际需求对代码进行修改和调整。此外，您还需要确保您已安装了 GDAL 库以及相应的 Python 绑定库（例如 `gdal` 和 `numpy`）。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交