【Python&RS】基于GDAL栅格数据/图片位深度(bit)转换

        最近在用OpenCv库处理图片时发现cv库无法读取64位的tif影像,所有想通过Python将64位的图片转换成8位的。今天就跟大家分享一下如何利用Python的GDAL库,实现栅格数据/图片的位深度转换。

        在数字图像处理中,我们常常会听到不同的位数术语,比如64位、16位和8位。这些位数指的是图像的深度,也就是图像中每个像素可以显示的颜色数。位数越高,图像可以显示的颜色数就越多,图像的质量也就越高。    

        图片位数是用来描述图像中每个像素可以显示的颜色数的一个指标。它决定了图像中每个像素可以使用的颜色数量,也就是图像的深度。位数越高,图像的深度就越高,可以显示的颜色数也就越多。

一、导入Python库

import numpy as np
from osgeo import gdal

二、获取影像基础信息

def Get_data(filepath):
    ds = gdal.Open(filepath)  # 打开数据集dataset
    ds_width = ds.RasterXSize  # 获取数据宽度
    ds_height = ds.RasterYSize  # 获取数据高度
    ds_bands = ds.RasterCount  # 获取波段数
    ds_geo = ds.GetGeoTransform()  # 获取仿射地理变换参数
    ds_prj = ds.GetProjection()  # 获取投影信息
    print("影像的宽度为:" + str(ds_width))
    print("影像的高度为:" + str(ds_height))
    print("仿射地理变换参数为:" + str(ds_geo))
    print("投影坐标系为:" + str(ds_prj))
    # data = ds.ReadAsArray(0, 0, ds_width, ds_height)  # 以数组的形式读取整个数据集

三、位深度转换

        这里是通过创建空的数组,将数组的类型设定为8位实现位深度的转换。

ds = gdal.Open(filepath)  # 打开数据集dataset
ds_width = ds.RasterXSize  # 获取数据宽度
ds_height = ds.RasterYSize  # 获取数据高度
ds_bands = ds.RasterCount  # 获取波段数
ds_geo = ds.GetGeoTransform()  # 获取仿射地理变换参数
ds_prj = ds.GetProjection()  # 获取投影信息
driver = gdal.GetDriverByName('GTiff')  # 载入数据驱动,用于存储内存中的数组
ds_result = driver.Create(out_path, ds_width, ds_height, bands=ds_bands, eType=gdal.GDT_Byte)
# 创建一个数组,宽高为原始尺寸,类型为8bit
ds_result.SetGeoTransform(ds_geo)  # 导入仿射地理变换参数
ds_result.SetProjection(ds_prj)  # 导入投影信息
for i in range(1, ds_bands):
    # 循环所有波段
    print("正在处理第%s个波段" % i)
    array_band = ds.GetRasterBand(i).ReadAsArray(0, 0, ds_width, ds_height).astype(np.float64)
    ds_result.GetRasterBand(i).SetNoDataValue(0)  # 将无效值设为0
    ds_result.GetRasterBand(i).WriteArray(array_band)  # 将结果写入数组
del ds_result
# 删除内存中的结果,否则结果不会写入图像中

        这篇文章没有啥能说的,大部分操作都是我之前分享过的,感兴趣的可以看看我之前发的文章顺便再给我点个赞。

你可能感兴趣的:(Sensing,python,开发语言,opencv,深度学习)