Python空间数据处理之GDAL读写遥感图像
GDAL是空间数据处理的开源包，支持多种数据格式的读写。遥感图像是一种带大地坐标的栅格数据，遥感图像的栅格模型包含以下两部分的内容：
栅格矩阵：由正方形或者矩形栅格点组成，每个栅格点所对应的数值为该点的像元值，在遥感图像中用于表示地物属性值；遥感图像有单波段与多波段，波段表示地物属性的种类，每个波段表示地物一种属性。
大地坐标：空间数据参考表示地图的投影信息；仿射矩阵能将行列坐标映射到面坐标上。
GDAL读写遥感数据的代码：
fromosgeoimportgdal
importos
classGRID:
#读图像文件
defread_img(self,filename):
dataset=gdal.Open(filename)#打开文件
im_width=dataset.RasterXSize#栅格矩阵的列数
im_height=dataset.RasterYSize#栅格矩阵的行数
im_geotrans=dataset.GetGeoTransform()#仿射矩阵
im_proj=dataset.GetProjection()#地图投影信息
im_data=dataset.ReadAsArray(0,0,im_width,im_height)#将数据写成数组，对应栅格矩阵
deldataset
returnim_proj,im_geotrans,im_data
#写文件，以写成tif为例
defwrite_img(self,filename,im_proj,im_geotrans,im_data):
#gdal数据类型包括
#gdal.GDT_Byte,
#gdal.GDT_UInt16,gdal.GDT_Int16,gdal.GDT_UInt32,gdal.GDT_Int32,
#gdal.GDT_Float32,gdal.GDT_Float64
#判断栅格数据的数据类型
if'int8'inim_data.dtype.name:
datatype=gdal.GDT_Byte
elif'int16'inim_data.dtype.name:
datatype=gdal.GDT_UInt16
else:
datatype=gdal.GDT_Float32
#判读数组维数
iflen(im_data.shape)==3:
im_bands,im_height,im_width=im_data.shape
else:
im_bands,(im_height,im_width)=1,im_data.shape
#创建文件
driver=gdal.GetDriverByName("GTiff")#数据类型必须有，因为要计算需要多大内存空间
dataset=driver.Create(filename,im_width,im_height,im_bands,datatype)
dataset.SetGeoTransform(im_geotrans)#写入仿射变换参数
dataset.SetProjection(im_proj)#写入投影
ifim_bands==1:
dataset.GetRasterBand(1).WriteArray(im_data)#写入数组数据
else:
foriinrange(im_bands):
dataset.GetRasterBand(i+1).WriteArray(im_data[i])
deldataset
if__name__=="__main__":
os.chdir(r'D:\Python_Practice')#切换路径到待处理图像所在文件夹
run=GRID()
proj,geotrans,data=run.read_img('LC81230402013164LGN00.tif')#读数据
printproj
printgeotrans
printdata
printdata.shape
run.write_img('LC81230402013164LGN00_Rewrite.tif',proj,geotrans,data)#写数据
在GDAL遥感影像读写的基础上，我们可以进行遥感图像的各种公式计算和统计分析。
例如我们所熟知的计算NDVI（归一化植被指数），只要在以上代码倒数第二行中插入代码：
importnumpyasnp
data=data.astype(np.float)
ndvi=(data[3]-data[2])/(data[3]+data[2])#3为近红外波段；2为红波段
run.write_img('LC81230402013164LGN00_ndvi.tif',proj,geotrans,ndvi)#写为ndvi图像
当然，这是理想的NDVI，实际处理NDVI还会遇到一些其他要处理的问题。例如NDVI值应该在区间[-1，1]内，但实际中会出现大于1或小于-1的情况，或者某些像点是坏点，出现空值nan，需要进一步的配套处理。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。