python批量合成多波段遥感影像tif
在处理影像的时候因为Arcgis出问题了，所以python的gdal库对多波段影像（*.tif）进行合成
两批影像是同一地点多时间不同波段的影像，该代码是对两批影像中同一时间的多波段tif进行批量合成。如果需要指定波段，可以在函数中进行修改。
如图所示：
文件夹1放的是含有B2、3、4、8的sentinel-2影像
文件夹2放的是含有B5、6、7、8A、11、12、AOT等波段的sentinel-2影像
代码中的print多为测试用，可删除
具体代码如下
#载入相关库
import os
from osgeo import gdal, gdalconst
import numpy as np
import glob
'''
功能：批量合成同日期同区域多波段影像的指定波段，且各两幅影像波段数目不同
要求：两批文件夹下影像日期需要对应，空间分辨率、影像大小需要一致
'''
def SynthesisBands(dstlist1,dstlist2,outfile_dir):
"""
将多光谱波段合成一个tif
:param dstlist1: 需要合并的第一幅影像
:param dstlist2: 需要合并的第二幅影像
:param outfile_dir: 影像的输出文件地址
"""
# 检测数据并读取波段信息
# 第一幅影像
dataset1 = gdal.Open(dstlist1, gdalconst.GA_ReadOnly)
# print(dataset)
file1_band_count = dataset1.RasterCount # 波段数
print(file1_band_count)
if file1_band_count == 0 :
print("参数异常")
return
# 第二幅影像
dataset2 = gdal.Open(dstlist2, gdalconst.GA_ReadOnly)
# print(dataset)
file2_band_count = dataset2.RasterCount # 波段数
print(file2_band_count)
if file2_band_count == 0:
print("参数异常")
return
# 因为实验需要只提取第二幅影像前6个波段，故在这里重新设置
file2_band_count = 6
# 获取栅格信息，并判断是否可以合成栅格数据
# 获取第一幅栅格行列数
file1_cols = dataset1.RasterXSize # 列数
file1_rows = dataset1.RasterYSize # 行数
# 获取第二幅栅格行列数
file2_cols = dataset2.RasterXSize # 列数
file2_rows = dataset2.RasterYSize # 行数
# 判断是否可以合成
if (file1_cols != file2_cols) or (file1_rows != file2_rows):
print("影像不匹配")
# 测试代码
# print(file1_cols != file2_cols)
# print(file1_cols)
# print(file2_cols)
return
# 创建输出栅格
First_Layer_1 = dataset1.GetRasterBand(1)
data_type = First_Layer_1.DataType
# 输出栅格总波段
total_bands = file1_band_count + file2_band_count
print("输出栅格总波段数为："+str(total_bands))
target = dataset1.GetDriver().Create(outfile_dir,
xsize=file1_cols,
ysize=file1_rows,
bands=total_bands,
eType=data_type)
target.SetProjection(dataset1.GetProjection()) # 设置投影坐标
geotrans = list(dataset1.GetGeoTransform())
target.SetGeoTransform(geotrans) # 设置地理变换参数
for index in range(1, total_bands+1):
# 读取波段数据
print("正在写入" + str(index) + "波段")
# 判断输入哪一幅栅格的数据
if index > file1_band_count:
real_index=index-file1_band_count
data = dataset2.GetRasterBand(real_index).ReadAsArray(buf_xsize=file2_cols,
buf_ysize=file2_cols)
if dataset2.GetRasterBand(real_index).GetNoDataValue() != None:
out_band.SetNoDataValue(
dataset2.GetRasterBand(real_index).GetNoDataValue())
else:
real_index=index
data = dataset1.GetRasterBand(real_index).ReadAsArray(buf_xsize=file1_cols,
buf_ysize=file1_cols)
# 设置输出的栅格数据
out_band = target.GetRasterBand(index)
out_band.WriteArray(data) # 写入数据到新影像中
out_band.FlushCache()
out_band.ComputeBandStats(False) # 计算统计信息
print("正在写入完成")
del dataset1
del dataset2
del target
if __name__ == "__main__":
"""
变量说明：
Input1_Path: 存放第一批影像 这里是2021年含有B2、3、4、8的sentinel-2影像文件夹
Input2_Path: 存放第二批影像 这里是2021年含有B5、6、7、8A、11、12、AOT等波段的sentinel-2影像文件夹
"""
Input1_Path = (r'F:\graduate\Data\T49RGP\10m_20m')
Input2_Path = (r'F:\graduate\Data\T49RGP\20m')
# 获取文件夹下的所有栅格影像
data1_list = glob.glob(Input1_Path + "\\*.tif")
data2_list = glob.glob(Input2_Path + "\\*.tif")
# 输出文件夹
out_path = (r'F:\graduate\Data\T49RGP\outlist')
for i in range(len(data1_list)):
# 获取第一幅影像的目录
data1_path = data1_list[i]
# 获取第二幅影像的目录
data2_path = data2_list[i]
# 获取影像名称
filename = os.path.basename(data1_path)
# 将输出文件夹和影像名称组合，得到输出目录
outfile_path=out_path + "\\"+filename
# 调用合成波段函数
SynthesisBands(data1_path, data2_path, outfile_path)
# 打印合成进度
print(outfile_path + "-----不同栅格波段合成成功")
print("Congratulations! ----合成结束----")