Python脚本批量读取哨兵2号（Sentinel2）影像并另存为Geotiff格式

由于Sentinel影像的存储格式特殊，通常需要特殊的软件（如SNAP）来处理，有局限性。于是使用GDAL对其进行读取，并重新写为.tif格式，方便进一步处理。
影像数据用的是大气校正后的L2A级数据，当然L1C数据也可以。打开SAFE后缀的文件夹，可以看到里面的内容，jp2格式的图片数据是存储在GRANULE文件夹中，这里不需要知道它的存储规则，因为GDAL可以直接读取最下面的.xml文件（注意GDAL的版本，2.4以下的版本可能不支持）。

文件的打开方式与其他格式的遥感影像相同，用gdal.Open(filename)即可读入。返回结果是一个list，list中的每个元素是一个tuple，每个tuple中包含了对数据集的路径，元数据等的描述信息。获取其中的子数据集，使用data.GetSubDatasets()，这里面就包含了子数据集的路径，元数据等的描述信息。

ds_list = root_ds.GetSubDatasets()  # 获取子数据集信息

然后用子数据集的路径打开，读取为ndarry格式。这里第1个子集存储的是10m分辨率的B2, B3, B4, B8这4个波段，如果需要其他波段，就改ds_list[0][0]换别的子集，如ds_list[1][0]是第2个子集的路径，ds_list[1][1]是第2个子集的描述信息。

visual_ds = gdal.Open(ds_list[0][0])  # 打开第1个数据子集的路径。
visual_arr = visual_ds.ReadAsArray()  # 将数据集中的数据读取为ndarray

然后要写新的tif图像，包括图像数据和投影等，具体可以参考以下代码。

# -*- coding: utf-8 -*-
# @File  : S2_read.py
# @Author: Freezinghot
# @Date  : 2021/3/9
# @Desc  : 读取Sentinel2并转为Geo_tiff
from osgeo import gdal
import os
import numpy as np
from osgeo import gdal, osr, ogr
import glob
# os.environ['CPL_ZIP_ENCODING'] = 'UTF-8'

def S2tif(filename):
    # 打开栅格数据集
    print(filename)
    root_ds = gdal.Open(filename)
    print(type(root_ds))
    # 返回结果是一个list，list中的每个元素是一个tuple，每个tuple中包含了对数据集的路径，元数据等的描述信息
    # tuple中的第一个元素描述的是数据子集的全路径
    ds_list = root_ds.GetSubDatasets()  # 获取子数据集。该数据以数据集形式存储且以子数据集形式组织
    visual_ds = gdal.Open(ds_list[0][0])  # 打开第1个数据子集的路径。ds_list有4个子集，内部前段是路径，后段是数据信息
    visual_arr = visual_ds.ReadAsArray()  # 将数据集中的数据读取为ndarray

    # 创建.tif文件
    band_count = visual_ds.RasterCount  # 波段数
    xsize = visual_ds.RasterXSize
    ysize = visual_ds.RasterYSize
    out_tif_name = filename.split(".SAFE")[0] + ".tif"
    driver = gdal.GetDriverByName("GTiff")
    out_tif = driver.Create(out_tif_name, xsize, ysize, band_count, gdal.GDT_Float32)
    out_tif.SetProjection(visual_ds.GetProjection())  # 设置投影坐标
    out_tif.SetGeoTransform(visual_ds.GetGeoTransform())

    for index, band in enumerate(visual_arr):
        band = np.array([band])
        for i in range(len(band[:])):
            # 数据写出
            out_tif.GetRasterBand(index + 1).WriteArray(band[i])  # 将每个波段的数据写入内存，此时没有写入硬盘
    out_tif.FlushCache()  # 最终将数据写入硬盘
    out_tif = None  # 注意必须关闭tif文件


if __name__ == "__main__":
    from osgeo import gdal
    SAFE_Path = (r'E:\RSDATA\Sentinel2\L2A')
    data_list = glob.glob(SAFE_Path + "\\*.SAFE")

    #filename = ('E:\\RSDATA\\Sentinel2\\L2A\\S2A_MSIL2A_20210220T024731_N9999_R132_T51STA_20210306T024402.SAFE\\MTD_MSIL2A.xml')
    for i in range(len(data_list)):
        data_path = data_list[i]
        filename = data_path + "\\MTD_MSIL2A.xml"
        S2tif(filename)
        print(data_path + "-----转tif成功")
    print("----转换结束----")

转换结束，在目标路径下生成同名的tif图像。如果有多幅图像，也可以实现批量处理。

可以直接拖到ENVI查看波段组合的效果，是保存了4个10m分辨率的波段。

10m分辨率真彩色：

—————————————————————————————————————————————
增加内容：
如果需要其他波段的数据又不知道数据结构的话，可以debug模式看一下文件的结构。下面是我找到的子数据集的结构，位于程序中ds_list中。如图所示，假如要获得20m分辨率的波段集合，只需要修改这一句：

visual_ds = gdal.Open(ds_list[1][0])

20m分辨率（B12,B11,B8A）组合：

欢迎在评论区交流，如果对您有帮助，请点个赞哦~