Python空间数据处理1: GDAL读写遥感图像
来源:互联网 发布:梅花女子大学 知乎 编辑:程序博客网 时间:2024/05/17 20:27
GDAL是空间数据处理的开源包,支持多种数据格式的读写。遥感图像是一种带大地坐标的栅格数据,遥感图像的栅格模型包含以下两部分的内容:
栅格矩阵:由正方形或者矩形栅格点组成,每个栅格点所对应的数值为该点的像元值,在遥感图像中用于表示地物属性值;遥感图像有单波段与多波段,波段表示地物属性的种类,每个波段表示地物一种属性。
大地坐标:空间数据参考表示地图的投影信息;仿射矩阵能将行列坐标映射到面坐标上。
GDAL读写遥感数据的代码:
from osgeo import gdalimport osclass GRID: #读图像文件 def read_img(self,filename): dataset=gdal.Open(filename) #打开文件 im_width = dataset.RasterXSize #栅格矩阵的列数 im_height = dataset.RasterYSize #栅格矩阵的行数 im_geotrans = dataset.GetGeoTransform() #仿射矩阵 im_proj = dataset.GetProjection() #地图投影信息 im_data = dataset.ReadAsArray(0,0,im_width,im_height) #将数据写成数组,对应栅格矩阵 del dataset return im_proj,im_geotrans,im_data #写文件,以写成tif为例 def write_img(self,filename,im_proj,im_geotrans,im_data): #gdal数据类型包括 #gdal.GDT_Byte, #gdal .GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32, #gdal.GDT_Float32, gdal.GDT_Float64 #判断栅格数据的数据类型 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 #判读数组维数 if len(im_data.shape) == 3: im_bands, im_height, im_width = im_data.shape else: im_bands, (im_height, im_width) = 1,im_data.shape #创建文件 driver = gdal.GetDriverByName("GTiff") #数据类型必须有,因为要计算需要多大内存空间 dataset = driver.Create(filename, im_width, im_height, im_bands, datatype) dataset.SetGeoTransform(im_geotrans) #写入仿射变换参数 dataset.SetProjection(im_proj) #写入投影 if im_bands == 1: dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据 else: for i in range(im_bands): dataset.GetRasterBand(i+1).WriteArray(im_data[i]) del datasetif __name__ == "__main__": os.chdir(r'D:\Python_Practice') #切换路径到待处理图像所在文件夹 run = GRID() proj,geotrans,data = run.read_img('LC81230402013164LGN00.tif') #读数据 print proj print geotrans print data print data.shape run.write_img('LC81230402013164LGN00_Rewrite.tif',proj,geotrans,data) #写数据
在GDAL遥感影像读写的基础上,我们可以进行遥感图像的各种公式计算和统计分析。
例如我们所熟知的计算NDVI(归一化植被指数),只要在以上代码倒数第二行中插入代码:
import numpy as npdata = data.astype(np.float)ndvi = (data[3]-data[2])/(data[3]+data[2]) #3为近红外波段;2为红波段run.write_img('LC81230402013164LGN00_ndvi.tif',proj,geotrans,ndvi) #写为ndvi图像
当然,这是理想的NDVI,实际处理NDVI还会遇到一些其他要处理的问题。例如NDVI值应该在区间[-1,1]内,但实际中会出现大于1或小于-1的情况,或者某些像点是坏点,出现空值nan,需要进一步的配套处理。
阅读全文
2 0
- Python空间数据处理1: GDAL读写遥感图像
- 利用python GDAL库读写geotiff格式的遥感影像
- Python空间数据处理2: GDAL栅格图像格式转换
- Python空间数据处理3: HDF格式转GDAL支持格式
- Ubuntu的遥感图像库GDAL使用
- QT中使用GDAL多线程读取遥感图像到QImage
- QT中使用GDAL多线程读取遥感图像到QImage
- OpenCV与GDAL混合编程处理遥感图像
- Qt + GDAL遥感图像基本浏览功能实现
- GDAL读写矢量数据-Python
- Python地理数据处理之GDAL/OGR使用
- Python地理数据处理之GDAL/OGR使用
- gdal读写图像分块处理(精华版)
- gdal读写图像分块处理(精华版)
- GDAL关于读写图像的简明总结
- Python 空间数据处理
- opencv python 1 读写图像
- GDAL-python库读写Esri Shape格式
- LaTeX——数学相关(符号)
- 【JavaScript声明符号var】
- react-native结合react-navigation之TabNavigator
- 2301: [HAOI2011]Problem b 莫比乌斯反演+前缀+容斥原理
- vue环境的安装
- Python空间数据处理1: GDAL读写遥感图像
- 今日成长
- 一张图读懂三个值得投资的消费金融平台
- SpringBoot(四):SpringBoot整合JdbcTemplate
- PAT 1014. 福尔摩斯的约会
- SpringBoot(五):SpringBoot整合MyBatis
- Angularjs2
- 关于实现线程死锁的一个例子
- 用shell脚本语言实现一个斐波那契数列的递归和非递归版本