Python地学分析 — GDAL对遥感影像重采样

2023-11-08 06:00

本文主要是介绍Python地学分析 — GDAL对遥感影像重采样,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

欢迎关注博主的微信公众号:“智能遥感”。

该公众号将为您奉上Python地学分析、爬虫、数据分析、Web开发、机器学习、深度学习等热门源代码。

本人的GitHub代码资料主页(持续更新中,多给Star,多Fork):

https://github.com/xbr2017

CSDN也在同步更新:

https://blog.csdn.net/XBR_2014

 对遥感影像重采样是遥感数据预处理常用的手段之一,本节重点讲解高、低分辨率图像重采样原理与方法。

思来想去,如果一味地给大家直接上代码,会显得有些枯燥无聊,可读性会有所降低。为了提高大家阅读的积极性,从本节开始,给大家展现一些高清遥感图像实例(封面图)。这样既可以学习到遥感科学在实际生活中的用途,还可以体会遥感之美。怎么突然觉得自己好有情怀???下面请先看封面简介:

图像来自LandSat官网

厄勒海峡大桥:1991年,丹麦和瑞典政府同意建立一座连接厄勒海峡两岸国家间的桥梁。瑞典马尔默(右)和丹麦哥本哈根(左)之间16公里长的厄勒海峡干线于2000年建成并通车。随着冰河时代末期海平面上升,切断了两者之间的陆地连接,丹麦和瑞典7000年后再次建立起两国的联系。

厄勒海峡链接有三个主要部分。在丹麦方面,链接从一条3,510米的水下隧道开始。隧道从水下延伸到一个长4055米的人工岛Peberholm上的一条道路上,该岛在图像中的天然岛屿南部呈现出明亮的白色形状。电缆支撑的厄勒海峡大桥横跨海峡东部向瑞典延伸7,845米,在整个图像上划出一条细长的白线(文字描述译自LandSat官网)。

遥感影像重采样

针对不同的遥感业务场景或者科研需求,对应的不同分辨率的遥感影像有着不同的用处。什么叫遥感影像的重采样呢?其定义是:根据各相邻的原采样点内插出新采样点的过程。内插的方法有双线性插值法、双三次卷积法和最邻近像元法等。重采样的定义是不是很专业?咳咳,好像有点抽象唉,没事没事,看看下面的示意图,你就能明白了。

上图过程表示从低分辨率图像往高分辨率图像进行重采样。在编写程序时,需要一个更大的数组来存储重采样后的新图像。左边图像将每个像元内插为对应的四个小像元,从6个大像元重采样成24个小像元。看到这里,相信大家就基本明白什么是重采样了吧。下面来看看具体的Python程序实战,其实重采样就这么简单。

# _*_ coding: utf-8 _*_
__author__ = 'xbr'
__date__ = '2018/10/23 15:09'import os
from osgeo import gdalos.chdir(r'D:\osgeopy-data\Landsat\Washington')in_ds = gdal.Open('p047r027_7t20000730_z10_nn10.tif')
in_band = in_ds.GetRasterBand(1)
out_rows = in_band.YSize * 2
out_columns = in_band.XSize * 2gtiff_driver = gdal.GetDriverByName('GTiff')
out_ds = gtiff_driver.Create('band1_resampled.tif',out_columns, out_rows)
out_ds.SetProjection(in_ds.GetProjection())
geotransform = list(in_ds.GetGeoTransform())
geotransform[1] /= 2
geotransform[5] /= 2
out_ds.SetGeoTransform(geotransform)data = in_band.ReadAsArray(buf_xsize=out_columns, buf_ysize=out_rows)
out_band = out_ds.GetRasterBand(1)
out_band.WriteArray(data)out_band.FlushCache()
out_band.ComputeStatistics(False)
out_ds.BuildOverviews('average', [2, 4, 8, 16, 32, 64])
del out_ds

这个例子有一些值得注意的重要事项。首先,在创建新数据集时,你将行数和列数加倍,并将这些相同的数字作为参数传递给ReadAsArray。这样就可以确保输入数据维度与输出数据维度相匹配,并且还可以将数据重新采样到较大的维度。你可以使用buf_obj参数的现有数组并获得相同的结果,而不是使用buf_xsize和buf_ysize参数。你还可以提供win_xsize和win_ysize参数,但默认为行和列的原始大小。

这说明在不改变地理转换大小的情况下,对比重新采样前后的结果。左上角的较小图像是正确的。较大的一个是通过使用输入图像中未编辑的地理转换创建的,与矢量图不匹配。

上面讲述了如何重低分辨率重采样成高分辨率,而重高分辨率重采样成低分辨率,则是实际遥感应用中比较多的情况。最近邻插值常用于将图像重采样到较小尺寸时,这种情况下,在输出中使用每四个像元块的右下像元值。

 

# _*_ coding: utf-8 _*_
# _*_ coding: utf-8 _*_
__author__ = 'xbr'
__date__ = '2018/10/23 15:50'import osimport numpy as np
from osgeo import gdalos.chdir(r'D:\osgeopy-data\Landsat\Washington')in_ds = gdal.Open('nat_color.tif')
out_rows = int(in_ds.RasterYSize / 2)
out_columns = int(in_ds.RasterXSize / 2)
num_bands = in_ds.RasterCountgtiff_driver = gdal.GetDriverByName('GTiff')
out_ds = gtiff_driver.Create('nat_color_resampled.tif',out_columns, out_rows, num_bands)out_ds.SetProjection(in_ds.GetProjection())
geotransform = list(in_ds.GetGeoTransform())
geotransform[1] *= 2
geotransform[5] *= 2
out_ds.SetGeoTransform(geotransform)data = in_ds.ReadRaster(buf_xsize=out_columns, buf_ysize=out_rows)
out_ds.WriteRaster(0, 0, out_columns, out_rows, data)
out_ds.FlushCache()
for i in range(num_bands):out_ds.GetRasterBand(i + 1).ComputeStatistics(False)out_ds.BuildOverviews('average', [2, 4, 8, 16])
del out_ds

该代码与第一个代码类似,不同之处在于输出行和列的数量减半而不是加倍,并且像元大小加倍而不是减半。请注意,在这种情况下,你要确保行数和列数是整数,因为除法的结果可能是浮点数,如果不是整型数据,程序很可能报错,可以自己尝试一下。

 

重采样前、后对比图,下图变得模糊,其实是分辨率变低了

这篇关于Python地学分析 — GDAL对遥感影像重采样的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:https://blog.csdn.net/XBR_2014/article/details/84980646
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/368217

相关文章

Python错误AttributeError: 'NoneType' object has no attribute问题的彻底解决方法

《Python错误AttributeError:NoneTypeobjecthasnoattribute问题的彻底解决方法》在Python项目开发和调试过程中,经常会碰到这样一个异常信息... 目录问题背景与概述错误解读:AttributeError: 'NoneType' object has no at

Python使用openpyxl读取Excel的操作详解

《Python使用openpyxl读取Excel的操作详解》本文介绍了使用Python的openpyxl库进行Excel文件的创建、读写、数据操作、工作簿与工作表管理,包括创建工作簿、加载工作簿、操作... 目录1 概述1.1 图示1.2 安装第三方库2 工作簿 workbook2.1 创建:Workboo

基于Python实现简易视频剪辑工具

《基于Python实现简易视频剪辑工具》这篇文章主要为大家详细介绍了如何用Python打造一个功能完备的简易视频剪辑工具,包括视频文件导入与格式转换,基础剪辑操作,音频处理等功能,感兴趣的小伙伴可以了... 目录一、技术选型与环境搭建二、核心功能模块实现1. 视频基础操作2. 音频处理3. 特效与转场三、高

Python实现中文文本处理与分析程序的示例详解

《Python实现中文文本处理与分析程序的示例详解》在当今信息爆炸的时代,文本数据的处理与分析成为了数据科学领域的重要课题,本文将使用Python开发一款基于Python的中文文本处理与分析程序,希望... 目录一、程序概述二、主要功能解析2.1 文件操作2.2 基础分析2.3 高级分析2.4 可视化2.5

一文解密Python进行监控进程的黑科技

《一文解密Python进行监控进程的黑科技》在计算机系统管理和应用性能优化中,监控进程的CPU、内存和IO使用率是非常重要的任务,下面我们就来讲讲如何Python写一个简单使用的监控进程的工具吧... 目录准备工作监控CPU使用率监控内存使用率监控IO使用率小工具代码整合在计算机系统管理和应用性能优化中,监

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,:本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典