利用ArcGIS标注数据集

一、利用ArcGIS绘制矢量图形

本篇文章以标注黄陂地区建筑物数据集为例，详细介绍了标注数据集的整个过程

1、创建shp文件

找一个合适的路径（注意：路径和所有文件的名称不要出现中文！！！），创建一个文件夹，把后面自己做的所有内容统一放在这个文件夹下。
打开ArcGIS，加载影像，影像加载成功后，点击菜单栏中的【目录】。在界面右侧可以看到工作目录，点击右上角【链接到文件夹】，选择自己创建的文件夹。
右键点击连接进来的文件夹，依次选择【新建】–>【个人地理数据库】，修改数据库名称，右击数据库，依次选择【新建】–>【要素类】，在弹出的框中设置要素类的名称，要素类型选择“面要素”，点击【下一步】，直接到【完成】。

2、进行矢量化

在菜单栏的【编辑器】中选择【开始编辑】。选择刚刚创建的shp文件如“HP_ltt”
点击【创建要素】，或者在界面右侧可以看见，点击刚刚创建的shp文件“Hp_ltt”，出现【构造工具】，选择构造工具中的【面】进行绘制。

在矢量化过程中，不包括地块周围的田坎部分，我们只需要对地块的内边界以内的部分进行矢量化。如下图所示：

二、将绘制好的矢量图像导出为png格式

1、矢量转栅格

菜单栏点击【ArcToolbox】，然后依次点击【转换工具】–>【转为栅格】，双击【面转栅格】，（有些ArcGIS没有汉化的同学自己寻找对应工具），点击后如下图所示：

在弹出的框中选择相应的文件和路径，其中，输入文件名设置为“HP_ltt_raster”，路径中不能出现中文。如下图所示。

2、分类并输出png格式

在内容列表中右击“HP_ltt_raster”文件名，依次选择【数据】-【导出数据】，选择路径，下拉【格式】，选择“png”，文件名改为“HP_ltt_png”。点击【保存】，输出之后的图片为黑白的二值图（此时的二值图还不是我们最终想要的二值图，后面还需进一步进行转换），在ArcGIS中打开输出的图片仍然是多分类，这个不用管。如下图所示。

三、使用python代码对图像反向并将图像处理为二值图

1、安装pycharm

pycharm百度网盘
提取码：ov2r

2、安装依赖包

可以利用anoconda来管理依赖包，这个大家应该都清楚，安装os、GDAL、numpy（1.16.4）、opencv-python等依赖包

3、运行代码

invertImg.py是对图像进行反相和二值化处理的

import cv2 as cv
import numpy as np
import os

'''
对ArcGIS处理后的图像进行反相并转换为0和255的二值图
可以进行批量处理也可以进行单个图像处理
建议处理整个大的图像之后再进行裁剪
'''

def access_pixels(image_path,outdir,pixel):
    # image = cv.imread(image_path,0) #获得灰度图，只有一个通道
    image = cv.imread(image_path)
    root, name = os.path.splitext(image_path)
    imgName = root.split('\\')[-1] + name
    out_image_path = os.path.join(outdir, imgName)

    height, width, channels = image.shape #得到（高度，宽度，通道）即(253,302,3)
    for row in range(height):
        for list in range(width):
            for c in range(channels):
                pv = image[row, list, c]
                image[row, list, c] = 255 - pv

    cv.imwrite(out_image_path, np.array((image > 0) * 255)) #输出的是0和255的二值图
    # print(np.array((image > 0) * 255))

def process_total(image_dir, out_dir, pixel):
    '''
     image_dir: 需要处理的label文件夹
     out_dir: 输出文件夹
     pixel: 处理成的像素值
     ps: 只能处理2值图~
     '''
    image_list = os.listdir(image_dir)
    for name in image_list:
        if name.split('.')[-1] not in ['jpg', 'png', 'tif']:
            continue
        image_path = os.path.join(image_dir, name)
        access_pixels(image_path, out_dir, pixel)

process_total("mask_png","result",256) # mask_png为图像所在的文件夹名称，result为输出图像所在的文件名称

cropImg.py是对图像进行裁剪的

import os
import gdal
import numpy as np


# 读取tif数据集
def readTif(fileName):
    dataset = gdal.Open(fileName)
    if dataset == None:
        print(fileName + "文件无法打开")
    return dataset


# 保存tif文件函数
def writeTiff(im_data, im_geotrans, im_proj, path):
    if 'int8' in im_data.dtype.name:
        datatype = gdal.GDT_Byte
    elif 'int16' in im_data.dtype.name:
        datatype = gdal.GDT_UInt16
    else:
        datatype = gdal.GDT_Float32
    if len(im_data.shape) == 3:
        im_bands, im_height, im_width = im_data.shape
    elif len(im_data.shape) == 2:
        im_data = np.array([im_data])
        im_bands, im_height, im_width = im_data.shape
    #创建文件
    driver = gdal.GetDriverByName("GTiff")
    dataset = driver.Create(path, int(im_width), int(im_height), int(im_bands), datatype)
    if(dataset!= None):
        dataset.SetGeoTransform(im_geotrans) # 写入仿射变换参数
        dataset.SetProjection(im_proj)# 写入投影
    for i in range(im_bands):
        dataset.GetRasterBand(i + 1).WriteArray(im_data[i])
    del dataset
    ''' 
    滑动窗口裁剪函数 
    TifPath 影像路径 
    SavePath 裁剪后保存目录
     CropSize 裁剪尺寸 
     RepetitionRate 重复率
      '''

def TifCrop(TifPath, SavePath, CropSize, RepetitionRate):
    dataset_img = readTif(TifPath)
    width = dataset_img.RasterXSize
    height = dataset_img.RasterYSize
    proj = dataset_img.GetProjection()
    geotrans = dataset_img.GetGeoTransform()
    img = dataset_img.ReadAsArray(0, 0, width, height)#获取数据

    # 获取当前文件夹的文件个数len,并以len+1命名即将裁剪得到的图像
    new_name = len(os.listdir(SavePath)) + 1

    # 裁剪图片,重复率为RepetitionRate
    for i in range(int((height - CropSize * RepetitionRate) / (CropSize * (1 - RepetitionRate)))):
        for j in range(int((width - CropSize * RepetitionRate) / (CropSize * (1 - RepetitionRate)))):
           # 如果图像是单波段
            if(len(img.shape) == 2):
                cropped = img[int(i * CropSize * (1 - RepetitionRate)) : int(i * CropSize * (1 - RepetitionRate)) + CropSize, int(j * CropSize * (1 - RepetitionRate)) : int(j * CropSize * (1 - RepetitionRate)) + CropSize]
           # 如果图像是多波段
            else:
                 cropped = img[:, int(i * CropSize * (1 - RepetitionRate)) : int(i * CropSize * (1 - RepetitionRate)) + CropSize, int(j * CropSize * (1 - RepetitionRate)) : int(j * CropSize * (1 - RepetitionRate)) + CropSize]
                  # 写图像
            writeTiff(cropped, geotrans, proj, SavePath + "/%d.tif"%new_name)# 文件名 + 1
            new_name = new_name + 1

    # 向前裁剪最后一列
    for i in range(int((height-CropSize*RepetitionRate)/(CropSize*(1-RepetitionRate)))):
        if(len(img.shape) == 2):
            cropped = img[int(i * CropSize * (1 - RepetitionRate)) : int(i * CropSize * (1 - RepetitionRate)) + CropSize, (width - CropSize) : width]
        else:
            cropped = img[:, int(i * CropSize * (1 - RepetitionRate)) : int(i * CropSize * (1 - RepetitionRate)) + CropSize, (width - CropSize) : width]
        # 写图像
        writeTiff(cropped, geotrans, proj, SavePath + "/%d.tif"%new_name)
        new_name = new_name + 1

    # 向前裁剪最后一行
    for j in range(int((width - CropSize * RepetitionRate) / (CropSize * (1 - RepetitionRate)))):
         if(len(img.shape) == 2):
             cropped = img[(height - CropSize) : height, int(j * CropSize * (1 - RepetitionRate)) : int(j * CropSize * (1 - RepetitionRate)) + CropSize]
         else:
             cropped = img[:, (height - CropSize) : height, int(j * CropSize * (1 - RepetitionRate)) : int(j * CropSize * (1 - RepetitionRate)) + CropSize]
         writeTiff(cropped, geotrans, proj, SavePath + "/%d.tif"%new_name)
         # 文件名 + 1
         new_name = new_name + 1

    # 裁剪右下角
    if(len(img.shape) == 2):
        cropped = img[(height - CropSize) : height, (width - CropSize) : width]
    else:
        cropped = img[:, (height - CropSize) : height, (width - CropSize) : width]
    writeTiff(cropped, geotrans, proj, SavePath + "/%d.tif"%new_name)
    new_name = new_name + 1

# 将影像1裁剪为重复率为0.1的256×256的数据集
TifCrop(r"D:\deeplearning\dataImg\img\huangpi.tif", r"D:\deeplearning\dataImg\img\cropImg", 256, 0.0001)

在图像裁剪之前，创建两个文件夹，分别命名为“image”、“label”。图像裁剪分为两个过程，第一是对原始影像进行裁剪，将结果放在名为“image”的文件夹下；第二是对标签进行裁剪，将其结果放在名为“label”的文件夹下。标签就是经过一系列制作之后生成的0和255的二值图像。
在有pycharm软件的情况下，可直接双击py文件打开，打开文件之后，一般操作是设置pycharm软件中的编译器，也就是Project Interpreter，点击【Add…】，添加自己安装的依赖包的环境下的编译器，我自己添加的是conda环境下的python编译器。切记，编译器和依赖包一定要在同一个环境下，不然运行代码时，会报错，提示找不到相应的模块。如下图所示。


最后所需要的环境配置好之后，就是简单修改代码中文件所在的路径。代码我已经进行了测试，目前没有问题。
感谢观看，祝各位炼丹小伙伴们都能心想事成！