Python 利用GDAL对图像进行几何校正

Python 利用GDAL对遥感图像进行几何校正

If the implementation is hard to explain, it’s a bad idea.
If the implementation is easy to explain, it may be a good idea.
                                       ——The Zen of python


  最近需要利用Python的GDAL库对遥感图像进行几何校正,在网上搜了搜相关资料,大部分是来自李民录老师的《GDAL源码剖析与开发指南》及其博客的C++代码,关于Python的资料较少,于是便四处参考查阅,最终实现了校正功能,现总结整理一下,如果有任何意见建议,欢迎批评指正。


一、几何校正方法

  图像校正本质是建立一种从原始图像行列号到某种投影的数学关系,即实现图像行列坐标到投影坐标的转换。不同的校正方法利用了不同的方法来表示转换关系,但本质上式相同的。常用的几何校正方法包括:几何多项式校正、有理函数模型校正、局部区域校正模型、地理查找表校正等。
  GDAL库中可以实现的校正方法就包括以上四种方法,即:1~3次的几何多项式校正RPC(有理函数系数)校正TPS(薄板样条)校正GeoLoc校正[1]

二、转换关系的描述

  不同的校正方法需要的信息也不相同,通常我们采用地面控制点(GCPs)的方式来建立转换关系,如果是RPC校正,则需要RPC文件来提供RPC系数。有的卫星数据,例如MODIS是包含GeoLocation Arrays提供每个像素的经纬度,例如Himawari-8卫星数据则直接提供了投影和地理变换参数(仿射变换六参数*[2]*,这个最简单)。

三、Python中的GDAL几何校正

  Python中的几何校正主要靠 gdal.Warp() 函数来实现的,下面说一下主要流程:
###1.读取未经校正的图像
  主要利用 gdal.Open()

from osgeo import gdal
from osgeo import osr

dataset = gdal.Open(r'xxx.tif', gdal.GA_Update)

###2.构造地面控制点
  构造控制点列表 gcps_list

# 实际控制点肯定要多的多,这里只写了四个点.
gcps_list = [gdal.GCP(-111.931075, 41.745836, 0, 1078, 648),
			 gdal.GCP(-111.901655, 41.749269, 0, 3531, 295),
			 gdal.GCP(-111.899180, 41.739882, 0, 3722, 1334),
			 gdal.GCP(-111.930510, 41.728719, 0, 1102, 2548)]
	

  附控制点构造函数gdal.GCP()的说明*[3]*:

gdal.GCP([x], [y], [z], [pixel], [line], [info], [id])
# x、y、z是控制点对应的投影坐标,默认为0;
# pixel、line是控制点在图像上的列、行位置,默认为0;
# info、id是用于说明控制点的描述和点号的可选字符串,默认为空.

###3.添加地面控制点到图像
  在添加之前需要指定一个空间参考,这里以WGS84基准的地理坐标系(经纬度)为例:

sr = osr.SpatialReference()
sr.SetWellKnownGeogCS('WGS84')
# 添加控制点
dataset.SetGCPs(gcps, sr.ExportToWkt())

###4.进行校正
  校正就直接调用gdal.Warp()就可以了:

# tps校正 重采样:最邻近法
dst_ds = gdal.Warp(r'xxx_dst.tif', dataset, format='GTiff', tps=True, 
				   xRes=0.05, yRes=0.05, dstNodata=65535, srcNodata=65535, 
				   resampleAlg=gdal.GRIORA_NearestNeighbour, outputType=gdal.GDT_Int32)

  附gdal.Warp()的参数说明*[4]*:

gdal.Warp(destNameOrDestDS, srcDSOrSrcDSTab, **kwargs)

# destNameOrDestDS --- 输出数据集路径或对象
# srcDSOrSrcDSTab --- 数据集对象或文件名or数据集对象或文件名的数组
# 关键字参数是gdal.WarpOptions()的返回值,或者直接定义gdal.WarpOptions()

gdal.WarpOptions(options = [], format = 'GTiff', outputBounds = None, 
				 outputBoundsSRS = one, xRes = None, yRes = None, 
				 targetAlignedPixels = False, width = 0, height = 0, srcSRS = None,
				 dstSRS = None, srcAlpha = False, dstAlpha = False, warpOptions = None,
				 errorThreshold = None, warpMemoryLimit = None, creationOptions = None,
				 outputType = GDT_Unknown, workingType = GDT_Unknown, resampleAlg = None,
                 srcNodata = None, dstNodata = None, multithread = False, tps = False, 
                 rpc = False, geoloc = False, polynomialOrder = None, 
                 transformerOptions = None, cutlineDSName = None, cutlineLayer = None,
                 cutlineWhere = None, cutlineSQL = None, cutlineBlend = None, 
                 ropToCutline = False, copyMetadata = True, metadataConflictValue = None,
                 setColorInterpretation = False, callback = None, callback_data = None):
# options --- 字符串数组, 字符串或者空值
# format --- 输出格式 ("GTiff", etc...)
# outputBounds --- 结果在目标空间参考的边界范围(minX, minY, maxX, maxY)
# outputBoundsSRS --- 结果边界范围的空间参考, 如果在dstSRS中没有指定的话,采用此参数
# xRes, yRes --- 输出分辨率,即像素的大小
# targetAlignedPixels --- 是否强制输出边界是输出分辨率的倍数
# width --- 输出栅格的列数
# height --- 输出栅格的行数
# srcSRS --- 输入数据集的空间参考
# dstSRS --- 输出数据集的空间参考
# srcAlpha --- 是否将输入数据集的最后一个波段作为alpha波段
# dstAlpha --- 是否强制创建输出
# outputType --- 输出栅格的变量类型 (gdal.GDT_Byte, etc...)
# workingType --- working type (gdal.GDT_Byte, etc...)
# warpOptions --- list of warping options
# errorThreshold --- 近似转换的误差阈值(误差像素数目)
# warpMemoryLimit --- 工作内存限制 Bytes
# resampleAlg --- 重采样方法
# creationOptions --- list of creation options
# srcNodata --- 输入栅格的无效值
# dstNodata --- 输出栅格的无效值
# multithread --- 是否多线程和I/O操作
# tps --- 是否使用Thin Plate Spline校正方法
# rpc --- 是否使用RPC校正
# geoloc --- 是否使用地理查找表校正
# polynomialOrder --- 几何多项式校正次数
# transformerOptions --- list of transformer options
# cutlineDSName --- cutline数据集名称
# cutlineLayer --- cutline图层名称
# cutlineWhere --- cutline WHERE 子句
# cutlineSQL --- cutline SQL语句
# cutlineBlend --- cutline blend distance in pixels
# cropToCutline --- 是否使用切割线范围作为输出边界
# copyMetadata --- 是否复制元数据
# metadataConflictValue --- 元数据冲突值
# setColorInterpretation --- 是否强制将输入栅格颜色表给输出栅格
# callback --- 回调函数
# callback_data --- 用于回调的用户数据

# 参数很多,有些也没有试验过,有翻译不对的地方也请批评指正。

  多项式校正和TPS校正利用上述流程即可校正,对于Geoloc校正,可以参考李老师博文*[5]* *[6]*中的思路,分为两种情况:

  • 对于自带GeoLocation元数据段的MODIS数据,利用gdal.Info()查看波段信息,直接利用gdal.Warp()设置geoloc=True后,对目标波段进行校正即可:
ds = gdal.Warp(r'X:\ModisNearest.tif',
			   r'HDF4_EOS:EOS_SWATH:"X:\MOD021KM.A2018130.0220.061.2018130132414\MOD021KM.A2018130.0220.061.2018130132414.hdf":MODIS_SWATH_Type_L1B:EV_1KM_RefSB',
			   width=2030, height=1354, format='GTiff', geoloc=True,
			   dstSRS=sr.ExportToWkt(), resampleAlg=gdal.GRIORA_NearestNeighbour)
  • 对于其他类型数据,则需要构造VRT文件,然后指定geoloc信息*[7]*,假设现在有一幅未校正图像 XXX.tif,还有 longitude.tif,latitude.tif 两个经纬度文件(写成一个文件也可以,只不过需要改 X_BAND 和 Y_BAND 的值),于是我们构造一个 xxx.vrt 文件,内容如下:

  
    GEOGCS["WGS 84",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG","7030"]],TOWGS84[0,0,0,0,0,0,0],AUTHORITY["EPSG","6326"]],PRIMEM["Greenwich",0,AUTHORITY["EPSG","8901"]],UNIT["degree",0.0174532925199433,AUTHORITY["EPSG","9108"]],AXIS["Lat",NORTH],AXIS["Long",EAST],AUTHORITY["EPSG","4326"]]
    X:\longitude.tif
    1
    0
    1
    X:/latitude.tif
    1
    0
    1
  
  
    Gray
    65535
    
      X:/XXX.tif
      3
      
      
    
  

  其中关键的是段中的9个key,其中X_DATASETY_DATASET指定了行列对应的经纬度波段,其他标签含义从略,可看参考资料。VRT文件后半部分的指定了需要校正的文件。
有了VRT文件,我们就可以进行校正了,输入改为vrt文件路径,geoloc=TrueWarp()校正。


  关于RPC校正,我没有数据,没有测试过。。。但是经过一番搜索[8] ,看了里面gdal的单元测试文件,有如下思路以供参考:

rpc = [ "HEIGHT OFF=l09", "LINE NUM COEFF=-0. 001245683 -0. 09427649 -1. 006342 "
        "-1. 954469e-05 0. 001033926 2.020534e-08 -3.845472e-07 一0.002075817 "
        "0.0005520694 0 -4.642442e-06 -3.271793e-06 2. 705977e-05 -7.634384e-07 "
        "-2.132832e-05 -3.248862e-05 -8.17894e-06 -3.678094e-07 2.002032e-06 "
        "3.693162e-08", "LONG OFF=7.1477"
        "SAMP DEN COEFF=l " ......]
ds.SetMetadata(rpc,'RPC')
dst_ds = gdal.Warp('output.xxx', ds, dstSRS='EPSG:4326', xRes=0.0002, yRes=0.0002,
					rpc=True, transformerOptions = [r'RPC_DEM=X:\DEM.tif'])

四、总结

  人生苦短,我用Python。


参考资料
[1]:李民录. GDAL源码剖析与开发指南[M]. 人民邮电出版社, 2014.
[2]:https://blog.csdn.net/ivan_ljf/article/details/9226463 关于GDAL计算图像坐标的几个问题
[3]:Garrad C. Geoprocessing with Python[M]. 2016.
[4]:gdal.py Python gdal 包中定义代码
[5]:https://blog.csdn.net/liminlu0314/article/details/9181959 使用GDAL工具对FY3系列卫星数据进行校正
[6]:https://blog.csdn.net/liminlu0314/article/details/8623607 使用GDAL对HDF数据进行校正
[7]:https://stackoverflow.com/questions/50472624/reference-lat-lon-vrt-files-in-data-vrt-for-gdaltranslaste Reference Lat/Lon vrt files in data vrt for gdal translaste
[8]:https://svn.osgeo.org/gdal/ 这里面有gdal的单元测试文件


联系邮箱:[email protected]
个人博客:https://WilliamZcy.github.io

你可能感兴趣的:(Python)