遥感深度学习：如何读取TIFF文件和切片成256*256？

本文主要是介绍遥感深度学习：如何读取TIFF文件和切片成256*256？，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！

01 前言

最近打算认真从头开始学习深度学习和遥感结合的相关内容，主要通过Python进行处理。此前用深度学习进行遥感相关的学习一直都是用 tensorflow3.0 框架，但是考虑很多因素我后面打算换用 Pytorch 进行学习。好在tensorflow我只是浅尝辄止，不然还真有点不舍。

02 如何读取TIFF文件

2.1 安装GDAL

读取TIFF文件我们就用GDAL吧，安装稍麻烦。如果通过pip方式无法安装模块，可通过下方链接下载Wheel文件：

https://www.lfd.uci.edu/~gohlke/pythonlibs/#

下载后通过pip install wheel文件绝对路径即可安装。如果想要安装在虚拟环境，需要先进入对应虚拟环境路径activate再进行pip安装。

在这里插入图片描述

2.2 读取TIFF文件

这个就仅仅给出代码吧，其它时间有限自行理解。

一个波段一个波段的读取：

def read_img(img_path):"""该函数用于读取TIFF文件中各个波段数据集:param img_path: TIFF文件路径:return: 多波段数据集(ndarray, [波段数, 行数, 列数])"""# 打开文件ds = gdal.Open(img_path)if not ds:return False# 读取bands = []for band_ix in range(1, ds.RasterCount + 1):band = ds.GetRasterBand(band_ix)band_data = band.ReadAsArray()bands.append(band_data)bands = np.asarray(bands)return bands

当然，一下全部读取也可以：

def read_img(img_path):"""该函数用于读取TIFF文件中各个波段数据集:param img_path: TIFF文件路径:return: 多波段数据集(ndarray, [波段数, 行数, 列数])"""# 打开文件ds = gdal.Open(img_path)if not ds:return Falsebands = ds.ReadAsArray()return bands

03 如何切片？

切片你可以用numpy的 from numpy.lib.stride_tricks import as_strided 自己写（谨慎使用该函数），当然或者完全自己写。但是运行的效率自然无法保证。

这里我们用 skimage 模块的 view_as_windows 函数进行切片，不仅支持高维度切片并且效率非常高。

import numpy as np
from skimage.util import view_as_windowsdef make_chips(ds, window_shape, stride, stacking=False):"""对数据集进行切片处理:param ds::param window_shape: 滑动窗口大小:param stride: 步幅大小:return: 返回切片后的数据"""chips = view_as_windows(ds, window_shape, step=stride)chips = np.squeeze(chips)  # 去除维度上数值为1的所有维度if stacking:chips = np.reshape(chips.shape[0] * chips.shape[1], -1)return chips

使用：

img_paths = glob.glob(os.path.join(in_dir, '**', 'GF2*MSS*.tiff'), recursive=True)
for img_path in img_paths:# 读取data = read_img(img_path)# img_transform = get_transform(img_path)# 切片chips = make_chips(data, (4, 256, 256), 256, False)