GDAL读取多通道图像并False Color可视化

GDAL（Geospatial Data Abstraction Library）是一个强大的开源库，用于处理栅格和矢量地理空间数据格式。使用GDAL，你可以读取多通道图像（如卫星图像或医学图像），并对其进行处理，包括假彩色（False Color）可视化。

首先，确保你已经安装了GDAL库以及Python的GDAL绑定（如GDAL或rasterio库）。你可以使用pip来安装：

pip install GDAL

GDAL读取多通道图像并False Color可视化，在此以高光谱图像IndianPines作为示例进行可视化，代码为：

# -*- coding:utf-8 -*-
"""
开发时间：2024/2/26 21:56

@author:xd
"""
import argparse
from osgeo import gdal
from sklearn.preprocessing import MinMaxScaler
import matplotlib.pyplot as plt
import numpy as np
import scipy.io as sio

parse = argparse.ArgumentParser("Data")
parse.add_argument("-r", '--root_folder', default="./data/19920612_AVIRIS_IndianPine_Site3.tif")
args = parse.parse_args()

class MultichannelData:
    def __init__(self, root_folder):
        gdal.PushErrorHandler('CPLQuietErrorHandler')
        self.root_folder = root_folder
        if self.root_folder.split(".")[-1] == "mat":
          raw_data_package = sio.loadmat(self.root_folder)
          data_array = raw_data_package["indian_pines"].astype(np.float32)
          h, w, b = data_array.shape
          self.data_array = np.transpose(data_array, (2, 0, 1))
        else:
          self.data = gdal.Open(self.root_folder)
          self.data_array = self.data.ReadAsArray()

    def scale(self):
        scaler = MinMaxScaler()
        raster_array = self.data_array
        b, h, w = raster_array.shape
        raster_array = scaler.fit_transform(raster_array.reshape((b, h * w)).T)
        raster_array = raster_array.astype(np.float32)
        print(raster_array)
        return raster_array.reshape(h, w, b)

    def get_b_h_w(self):
        b, h, w = self.data_array.shape
        return b, h, w

    def show(self, bands=[29, 19, 9], ax=None):
        ax = ax or plt.gca()
        img = self.scale()[:, :, bands]
        title = 'False Color'
        ax.imshow(img)
        ax.set_axis_off()
        ax.set_title(title + '\nBands {}, {}, {}'.format(*bands))
        plt.show()

if __name__ == '__main__':
    multichanneldata = MultichannelData(args.root_folder)
    b,h,w = multichanneldata.get_b_h_w()
    print("bands:{}, height:{}, width:{}".format(str(b), str(h), str(w)))
    multichanneldata.show()

cd到工程项目，运行指令：

python read_data.py -r "/home/lab/Data/Indian Pine/Indian_pines.mat"

输出图像为：

---

 如有错误的地方，还请指正！有疑惑的同学可以在评论区留言，无论能否解决，笔者看到一定回复。