【Python笔记】遥感影像(tif)合并与分块

  • 主要功能 

        1、借助GDAL拼接分块遥感数据,本文实例数据为GEE平台下载的矩形分块遥感数据,下载方式和数据详情可参阅【GEE笔记】分块下载——像元行列数;

        2、将大区域影像裁剪为小块——固定行列像元数量

  • 环境配置

主要版本如下:

        python 3.9.7

        gdal 3.4.1 

  • 代码实现

1、合并

import os

# 分块影像所在文件夹,不能有中文
tifDir = r"E:\pyimg\chuliyingxiangkuai\S2SR103"
# 输出的文件夹,不能有中文,如果文件夹不存在则会被创建
outPath = r"E:\pyimg\chuliyingxiangkuai\S2SR103_merge"

# ----------------只需修改上面两个参数--------------------
# 当前脚本所在的目录,用于找gdal_merge文件
currentPath = os.path.dirname(os.path.abspath(__file__))

# 输出目录不存在则创建
if not os.path.exists(outPath):
    os.makedirs(outPath)

# 列出输入文件夹的tif文件
tifs = [i for i in os.listdir(tifDir) if i.endswith(".tif")]

print("tifs" , tifs)
# 获取目标文件数量,前缀相同的
# 分块的文件名的长度相同,将分块编号去掉
targetFile = set()
for i in tifs:
    targetFile.add(i[:-26]+i[-4:])
print("拼接后应该有 %s 个文件" % len(targetFile))
print("targetFile" , targetFile)
# 切换工作空间,到影像的路径
os.chdir(tifDir)
# 一个一个的执行拼接
for i in targetFile:
    # 拼接后的文件名对应的分块文件名列表
    sliceFileList = []
    for k in tifs:
        if k[:-26] == i[:-4]:
            sliceFileList.append(k)

    # 执行影像拼接
    outtif = os.path.join(outPath,i)  # 输出tif路径,使用绝对路径
    if os.path.exists(outtif):   # 如果输出路径存在则跳过
        print("%s already exists, will be ignored."%outtif)
        continue
    os.system("python %s -init %s  -o %s %s" % (
        os.path.join(currentPath,"gdal_merge.py"),0,  outtif, " ".join(sliceFileList)))

    print("%s -------- merge success"%outtif)

        此处针对GEE下载的分块影像的命名规则:“文件名”+“左上角行数”+“左上角列数”,分离出文件名相同的文件为一组,将原先同一文件的数据块放到一起合并。 

        从下面链接下载到压缩包解压之后,找到gdal_merge.py文件复制到上述代码相同路径即可。

 gdal_merge.pyhttps://pypi.org/project/GDAL/#files

 【Python笔记】遥感影像(tif)合并与分块_第1张图片

2、分割

承接上文合并的的数据,分割为需要的行列分块,首先读取数据,获得需要保留的其中四个波段

# -*- coding: utf-8 -*-
from osgeo import gdal
in_ds = gdal.Open(r'E:\pyimg\chuliyingxiangkuai\S2SR103_merge\image3.tif')              # 读取要切的原图
print("open tif file succeed")
width = in_ds.RasterXSize                         # 获取数据宽度   
height = in_ds.RasterYSize                        # 获取数据高度
outbandsize = in_ds.RasterCount                   # 获取数据波段数
im_geotrans = in_ds.GetGeoTransform()             # 获取仿射矩阵信息
im_proj = in_ds.GetProjection()                   # 获取投影信息
datatype = in_ds.GetRasterBand(1).DataType
im_data = in_ds.ReadAsArray()                     #获取数据 

# 读取原图中的每个波段
in_band1 = in_ds.GetRasterBand(1)
in_band2 = in_ds.GetRasterBand(2)
in_band3 = in_ds.GetRasterBand(3)
in_band4 = in_ds.GetRasterBand(4)

for循环先行后列的顺序处理,分块的行列数量皆为200,写入文件名称为:分块左上角行数+分块左上角列数+.tif

# 定义切图的起始点坐标
offset_x = 0  
offset_y = 0

# 定义切图的大小(矩形框)
size = 200
col_num = int(width / size)  #宽度可以分成几块
row_num = int(height / size) #高度可以分成几块
if(width % size != 0):
    col_num += 1
if(height % size != 0):
    row_num += 1

num = 1    #这个就用来记录一共有多少块的
print("row_num:%d   col_num:%d" %(row_num,col_num))
for i in range(row_num):    #从高度下手!!! 可以分成几块!
    for j in range(col_num):
        offset_x = i * size 
        offset_y = j * size
        ## 从每个波段中切需要的矩形框内的数据(注意读取的矩形框不能超过原图大小)
        b_ysize = min(width - offset_y, size)
        b_xsize = min(height - offset_x, size)

        print("width:%d     height:%d    offset_x:%d    offset_y:%d     b_xsize:%d     b_ysize:%d" %(width,height,offset_x,offset_y, b_xsize, b_ysize))
        # print("\n")
        out_band1 = in_band1.ReadAsArray(offset_y, offset_x, b_ysize, b_xsize)
        out_band2 = in_band2.ReadAsArray(offset_y, offset_x, b_ysize, b_xsize)
        out_band3 = in_band3.ReadAsArray(offset_y, offset_x, b_ysize, b_xsize)
        out_band4 = in_band4.ReadAsArray(offset_y, offset_x, b_ysize, b_xsize)
        # 获取Tif的驱动,为创建切出来的图文件做准备
        gtif_driver = gdal.GetDriverByName("GTiff")
        file = r'E:\pyimg\chuliyingxiangkuai\S2SR103_tile\%04d_%04d.tiff' %(offset_x,offset_y)
        num += 1 
        # 创建切出来的要存的文件
        out_ds = gtif_driver.Create(file, b_ysize, b_xsize, outbandsize, datatype)
        print("create new tif file succeed")

        # 获取原图的原点坐标信息
        ori_transform = in_ds.GetGeoTransform()
        if ori_transform:
                print (ori_transform)
                print("Origin = ({}, {})".format(ori_transform[0], ori_transform[3]))
                print("Pixel Size = ({}, {})".format(ori_transform[1], ori_transform[5]))

        # 读取原图仿射变换参数值
        top_left_x = ori_transform[0]  # 左上角x坐标
        w_e_pixel_resolution = ori_transform[1] # 东西方向像素分辨率
        top_left_y = ori_transform[3] # 左上角y坐标
        n_s_pixel_resolution = ori_transform[5] # 南北方向像素分辨率

        # 根据反射变换参数计算新图的原点坐标
        top_left_x = top_left_x + offset_y * w_e_pixel_resolution
        top_left_y = top_left_y + offset_x * n_s_pixel_resolution

        # 将计算后的值组装为一个元组,以方便设置
        dst_transform = (top_left_x, ori_transform[1], ori_transform[2], top_left_y, ori_transform[4], ori_transform[5])

        # 设置裁剪出来图的原点坐标
        out_ds.SetGeoTransform(dst_transform)

        # 设置SRS属性(投影信息)
        out_ds.SetProjection(in_ds.GetProjection())

        # 写入目标文件
        out_ds.GetRasterBand(1).WriteArray(out_band1)
        out_ds.GetRasterBand(2).WriteArray(out_band2)
        out_ds.GetRasterBand(3).WriteArray(out_band3)
        out_ds.GetRasterBand(4).WriteArray(out_band4)
        # 将缓存写入磁盘
        out_ds.FlushCache()
        print("FlushCache succeed")
        del out_ds,out_band1,out_band2,out_band3,out_band4

你可能感兴趣的:(Python,python)