快捷導(dǎo)航

Python空間數(shù)據(jù)處理之GDAL讀寫遙感圖像

更新時間：2019年08月01日 11:42:52 作者：vonuo

這篇文章主要介紹了Python空間數(shù)據(jù)處理之GDAL讀寫遙感圖像，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

GDAL是空間數(shù)據(jù)處理的開源包，支持多種數(shù)據(jù)格式的讀寫。遙感圖像是一種帶大地坐標(biāo)的柵格數(shù)據(jù)，遙感圖像的柵格模型包含以下兩部分的內(nèi)容：

柵格矩陣：由正方形或者矩形柵格點(diǎn)組成，每個柵格點(diǎn)所對應(yīng)的數(shù)值為該點(diǎn)的像元值，在遙感圖像中用于表示地物屬性值；遙感圖像有單波段與多波段，波段表示地物屬性的種類，每個波段表示地物一種屬性。

大地坐標(biāo)：空間數(shù)據(jù)參考表示地圖的投影信息；仿射矩陣能將行列坐標(biāo)映射到面坐標(biāo)上。

GDAL讀寫遙感數(shù)據(jù)的代碼：

from osgeo import gdal
import os

class GRID:

  #讀圖像文件
  def read_img(self,filename):
    dataset=gdal.Open(filename)    #打開文件

    im_width = dataset.RasterXSize  #柵格矩陣的列數(shù)
    im_height = dataset.RasterYSize  #柵格矩陣的行數(shù)

    im_geotrans = dataset.GetGeoTransform() #仿射矩陣
    im_proj = dataset.GetProjection() #地圖投影信息
    im_data = dataset.ReadAsArray(0,0,im_width,im_height) #將數(shù)據(jù)寫成數(shù)組，對應(yīng)柵格矩陣

    del dataset 
    return im_proj,im_geotrans,im_data

  #寫文件，以寫成tif為例
  def write_img(self,filename,im_proj,im_geotrans,im_data):
    #gdal數(shù)據(jù)類型包括
    #gdal.GDT_Byte, 
    #gdal .GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32,
    #gdal.GDT_Float32, gdal.GDT_Float64

    #判斷柵格數(shù)據(jù)的數(shù)據(jù)類型
    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

    #判讀數(shù)組維數(shù)
    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 

    #創(chuàng)建文件
    driver = gdal.GetDriverByName("GTiff")      #數(shù)據(jù)類型必須有，因?yàn)橐?jì)算需要多大內(nèi)存空間
    dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)

    dataset.SetGeoTransform(im_geotrans)       #寫入仿射變換參數(shù)
    dataset.SetProjection(im_proj)          #寫入投影

    if im_bands == 1:
      dataset.GetRasterBand(1).WriteArray(im_data) #寫入數(shù)組數(shù)據(jù)
    else:
      for i in range(im_bands):
        dataset.GetRasterBand(i+1).WriteArray(im_data[i])

    del dataset

if __name__ == "__main__":
  os.chdir(r'D:\Python_Practice')            #切換路徑到待處理圖像所在文件夾
  run = GRID()
  proj,geotrans,data = run.read_img('LC81230402013164LGN00.tif')    #讀數(shù)據(jù)
  print proj
  print geotrans
  print data
  print data.shape
  run.write_img('LC81230402013164LGN00_Rewrite.tif',proj,geotrans,data) #寫數(shù)據(jù)

在GDAL遙感影像讀寫的基礎(chǔ)上，我們可以進(jìn)行遙感圖像的各種公式計(jì)算和統(tǒng)計(jì)分析。

例如我們所熟知的計(jì)算NDVI（歸一化植被指數(shù)），只要在以上代碼倒數(shù)第二行中插入代碼：

import numpy as np
data = data.astype(np.float)
ndvi = (data[3]-data[2])/(data[3]+data[2])             #3為近紅外波段；2為紅波段
run.write_img('LC81230402013164LGN00_ndvi.tif',proj,geotrans,ndvi) #寫為ndvi圖像

當(dāng)然，這是理想的NDVI，實(shí)際處理NDVI還會遇到一些其他要處理的問題。例如NDVI值應(yīng)該在區(qū)間[-1，1]內(nèi)，但實(shí)際中會出現(xiàn)大于1或小于-1的情況，或者某些像點(diǎn)是壞點(diǎn)，出現(xiàn)空值nan，需要進(jìn)一步的配套處理。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: