python图像归一化_Python批量计算遥感图像NDVI（归一化植被指数）

归一化植被指数：遥感影像中，近红外波段的反射值与红光波段的反射值之差比上两者之和。

计算公式：NDVI = (NIR-R)/(NIR+R)

注：NIR为近红外波段的反射值

R为红光波段的反射值。

由于学习需要，从网上寻找方法试图批量计算该指数，防止以后忘记。附代码如下：

(主要使用gdal库)

import os

from PIL import Image

import numpy as np

from osgeo import gdal

import glob

import cv2

list_tif = glob.glob('H:/gdal/test-data/cut-test/*.tif')

out_path = 'H:/gdal/test-data/ndvi-test/'

for tif in list_tif:

in_ds = gdal.Open(tif)

# 获取文件所在路径以及不带后缀的文件名

(filepath, fullname) = os.path.split(tif)

(prename, suffix) = os.path.splitext(fullname)

if in_ds is None:

print('Could not open the file ' + tif)

else:

# 将MODIS原始数据类型转化为反射率

red = in_ds.GetRasterBand(1).ReadAsArray() * 0.0001

nir = in_ds.GetRasterBand(2).ReadAsArray() * 0.0001

ndvi = (nir - red) / (nir + red)

# 将NAN转化为0值

nan_index = np.isnan(ndvi)

ndvi[nan_index] = 0

ndvi = ndvi.astype(np.float32)

# 将计算好的NDVI保存为GeoTiff文件

gtiff_driver = gdal.GetDriverByName('GTiff')

# 批量处理需要注意文件名是变量，这里截取对应原始文件的不带后缀的文件名

out_ds = gtiff_driver.Create(out_path + prename + '.tif',

ndvi.shape[1], ndvi.shape[0], 1, gdal.GDT_Float32)

# 将NDVI数据坐标投影设置为原始坐标投影

out_ds.SetProjection(in_ds.GetProjection())

out_ds.SetGeoTransform(in_ds.GetGeoTransform())

out_band = out_ds.GetRasterBand(1)

out_band.WriteArray(ndvi)

out_band.FlushCache()

list_tif：需要计算的tif图像所在文件夹

out_path：输出NDVI图像所在文件夹

参考文章：

本文地址：https://blog.csdn.net/qq_43177210/article/details/107283776

如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！