栅格位置(像素或者是行坐标)和地理参考坐标之间的转换可以通过仿射变换实现,仿射矩阵可以通过GDALDataset::GetGeoTransform()
得到,依据下面的公式将像素/行坐标转换到地理参考空间:
X
g
e
o
=
G
T
(
0
)
+
X
p
i
x
e
l
.
G
T
(
1
)
+
Y
l
i
n
e
.
G
T
(
2
)
Y
g
e
o
=
G
T
(
3
)
+
X
p
i
x
e
l
.
G
T
(
4
)
+
Y
l
i
n
e
.
G
T
(
5
)
X_{geo} = GT(0) + Xpixel.GT(1) + Yline.GT(2) \\ Y_{geo} = GT(3) + Xpixel.GT(4) + Yline.GT(5)
X g eo = GT ( 0 ) + Xp i x e l . GT ( 1 ) + Y l in e . GT ( 2 ) Y g eo = GT ( 3 ) + Xp i x e l . GT ( 4 ) + Y l in e . GT ( 5 ) 其中像素坐标左上角为
(
0
,
0
)
(0,0)
( 0 , 0 ) ,
(
G
T
(
0
)
,
G
T
(
3
)
)
(GT(0),GT(3))
( GT ( 0 ) , GT ( 3 )) 是栅格左上角坐标,
G
T
(
1
)
GT(1)
GT ( 1 ) 是像素宽度,
G
T
(
5
)
GT(5)
GT ( 5 ) 是像素的高度; 可以通过地理控制点(GCP)来描述栅格数据集地理参考,关联了栅格位置和地理参考系统的一个或者多个位置,一个数据集会有一套控制点,控制点通过GDALDataset::GetGCPProjection()
得到,每个控制点包含Char pszId(控制点标识符),Char pszInfo(通常是空串),double dfGCPPixel+double dfGCPLine(像素、线的位置是控制点在栅格的位置),double dfGCPX+double dfGCPY+double dfGCPZ(地理参考位置),本条和上一条都描述了栅格位置和地理参考坐标之间的关系; 栅格波段GDALRasterBand
颜色表:像素值被用作颜色表的下标;
try:
import gdal
except:
from osgeo import gdal # gdal1.6
from osgeo.gdalconst import * # 常用的常量
# 要读取数据之前需要载入数据驱动
# 注册所有数据驱动
gdal.AllRegister()
# 某一类型的数据驱动,按照数据格式加载
driver = gdal.GetDriverByName('GTiff')
driver.Register()
# 查看系统支持的数据格式,其中shortname就是上面GetDriverByName的参数,对于不同的gdal版本GetDriver的结果可能不同
drv_count = gdal.GetDriverCount()
for idx in range(drv_count):
driver = gdal.GetDriver(idx)
print( "%10s: %s" % (driver.ShortName, driver.LongName))
# 读取遥感影像
# 打开GeoTIF文件
dataset = gdal.Open("/gdata/geotiff_file.tif")
# python的dir()函数可以快速查看某对象可用的操作
dataset.GetDescription() # 获得栅格的描述信息
dataset.RasterCount # 获得栅格数据集的波段数
dataset.RasterXSize # 栅格数据的宽度(X方向上的像素个数)
dataset.RasterYSize # 栅格数据的高度(Y方向上的像素个数)
dataset.GetGeoTransform() # 栅格数据的六参数,这六个参数包括 左上角坐标 , 像元X、Y方向大小 , 旋转 等信息。 要注意, Y 方向的像元大小为负值
GetProjection() # 栅格数据的投影
dataset.GetMetadata() # 获取元数据
# 获取数据集的信息
band = dataset.GetRasterBand(1) # 获取第一个波段,下标从0开始
band.XSize, band.YSize, band.DataType # 宽高和数据类型
# 数据类型对应
# 未知或未指定类型 gdalconst.GDT_Unknown 0
# 8位无符整型 gdalconst.GDT_Byte 1
# 16位无符整型 gdalconst.GDT_UInt16 2
# 16位整型 gdalconst.GDT_Int16 3
# 32位无符整型 gdalconst.GDT_UInt32 4
# 32位整型值 gdalconst.GDT_Int32 5
# 32位浮点型 gdalconst.GDT_Float32 6
# 64位浮点型 gdalconst.GDT_Float64 7
# 16位复数整型 gdalconst.GDT_CInt16 8
# 32位复数整型 gdalconst.GDT_CInt32 9
# 32位复数浮点型 gdalconst.GDT_CFloat32 10
# 64位复数浮点型 gdalconst.GDT_CFloat64 11
band.GetNoDataValue() # 无意义填充值
band.GetMaximum()
band.GetMinimum()
band.ComputeRasterMinMax()
# 访问栅格数据集的数据
dataset.ReadRaster() # 读取图像数据(以二进制的形式)
dataset.ReadAsArray() # 读取图像数据(以数组的形式),返回的是numpy的array
# 参数
# xoff,yoff :指定想要读取的部分原点位置在整张图像中距离全图原点的位置(以像元为单位)
# xsize,ysize : 指定要读取部分图像的矩形的长和宽(以像元为单位)
# buf_xsize,buf_ysize :可以在读取出一部分图像后进行缩放。那么就用这两个参数来定义缩放后图像最终的宽和高, GDAL 将帮你缩放到这个大小
# buf_type :可以对读出的数据的类型进行转换(比如原图数据类型是short,你要把它们缩小成byte)
# band_list :适应多波段的情况。可以指定要读取的波段
# 查看图片信息
!gdalinfo /gdata/lu75i1.tif
# 访问索引图像:所读的数据知识真实数据的索引,而不是灰度图像
dataset = gdal.Open('/gdata/lu75i1.tif')
band = dataset.GetRasterBand(1)
band.GetRasterColorInterpretation() # 返回2,gdalconst.GCI_PaletteIndex,表示索引图
colormap = band.GetRasterColorTable() # 获取颜色表
colormap.GetPaletteInterpretation() # 获取颜色表的类型
colormap.GetCount() # 颜色数量
for i in range(colormap.GetCount() - 10, colormap.GetCount()):
print("%i:%s" % (i, colormap.GetColorEntry(i))) # 获得颜色的四值元祖,例如rgb,cmyk
# 我们通过ReadRaster读出的数据值只是对应到这个表的一个索引而已。
# 我们需要通过读出这些数据,并在真实数据表中找出真实数据, 重新组织成一个RGB表才能用来绘制。
# 如果不经过对应, 绘制出来的东西可能没有任何意义
# GTiff颜色表存储时是16位的,但是读取之后自动进行了处理变为0-255
# 创建影像
driver = gdal.GetDriverByName( 'GTiff' )
dst_filename = '/tmp/x_tmp.tif'
dst_ds = driver.Create( dst_filename, 512, 512, 1, gdal.GDT_Byte )
from osgeo import osr
dst_ds.SetGeoTransform( [ 444720, 30, 0, 3751320, 0, -30 ] )
srs = osr.SpatialReference()
srs.SetUTM( 11, 1 )
srs.SetWellKnownGeogCS( 'NAD27' )
dst_ds.SetProjection( srs.ExportToWkt() )
raster = numpy.zeros( (512, 512) )
dst_ds.GetRasterBand(1).WriteArray( raster )
ref: https://www.osgeo.cn/pygis/gdal.html