python 多通道遥感栅格数据批量填充边框、滑动裁剪

查了好多，就是没有栅格填充，别说多通道了，自己就写了一个。可以依据裁剪窗口和滑动步长来填充大的遥感影像，然后进行滑动裁剪，增强数据的同时，避免了边缘对深度学习产生的影响。后续会出拼接回原始大小。

因为这是我很长很长代码的一部分，所以需要根据需要自取并修改

import cv2
import shutil

slide_window = 1024  # 裁剪窗口
step_length = 512

# 1.膨胀图像
source = 'dataset/sat_test/'
sat_path ="./dataset/sat_test/"
test_path ="./dataset/test/"

test_list = os.listdir(test_path) 
# # print(file_list)

for file in test_list:
    Image_Path = test_path+file

#     #print(Image_Path)
#     #print(Mask_Path)

    image = gdal.Open(Image_Path)
    image_name = file[:-4]
    width = image.RasterXSize  # 获取图像的宽
    height = image.RasterYSize  # 获取图像的高
    outbandsize = image.RasterCount
    datatype = image.GetRasterBand(1).DataType

    right_fill = step_length - (width % step_length)
    bottom_fill = step_length - (height % step_length)

    # width_path_number = int((width - slide_window) / step_length) +1 # 横向切成的小图的数量
    # height_path_number = int((height - slide_window ) / step_length) +1 # 纵向切成的小图的数量
    width_path_number = int((width + right_fill) / step_length)  # 横向切成的小图的数量
    height_path_number = int((height + right_fill) / step_length)  # 纵向切成的小图的数量

    im_data = image.ReadAsArray()
    im_data= im_data.transpose(1,2,0)



    im_data = cv2.copyMakeBorder(im_data, top=0, bottom=bottom_fill, left=0, right=right_fill,
                            borderType=cv2.BORDER_CONSTANT, value=0)

    im_data = cv2.copyMakeBorder(im_data, top=step_length // 2, bottom=step_length // 2, left=step_length // 2,
                            right=step_length // 2,
                            borderType=cv2.BORDER_CONSTANT, value=0)  # 填充1/2步长的外边框
    
    print('图像膨胀步骤完成！')


    # 2.将膨胀后的大图按照滑窗裁剪
    crop_source = './dataset/'
    #tar=os.path.join('./dataset/',file[:-8]+'/'+'Image_Crop_Result/')
    tar=os.path.join('./dataset/',file[:-8])
    #shutil.rmtree(r"C:\Users\Administrator\Desktop\DeepGlobe-Road-Extraction-link34\dataset\Image_Crop_Result")  # 递归删除文件夹下的所有内容包扩文件夹本身
    if os.path.exists(tar):
        shutil.rmtree(tar)  # 递归删除文件夹下的所有内容包扩文件夹本身
    os.mkdir(tar)
    target=os.path.join(tar,'Image_Crop_Result/')
    os.mkdir(target)
    image_crop_addr = target  # 图像裁剪后存储的文件夹
    k=0
    for j in range(height_path_number):
        for i in range(width_path_number):
            out_band = im_data[i * step_length:i * step_length + slide_window,  j * step_length: j * step_length + slide_window,:]
            out_band= out_band.transpose(2,0,1)
            # 获取Tif的驱动，为创建切出来的图文件做准备
            gtif_driver = gdal.GetDriverByName("GTiff")


            # 创建切出来的要存的文件（3代表3个不都按，最后一个参数为数据类型，跟原文件一致）
            filename = image_crop_addr + image_name[:-4] + '({},{})@{:09d}_sat.tif'.format(j,i, k)  # 文件名称
            k += 1
            out_ds = gtif_driver.Create(filename, slide_window, slide_window, outbandsize, datatype)
            # print("create new tif file succeed")

            # 写入目标文件
            out_ds.WriteArray(out_band)

            # 将缓存写入磁盘
            out_ds.FlushCache()
            del out_ds