当前位置：首页 > news >正文

企业网站建设/如何快速推广自己的网站

news 文章来源：https://blog.csdn.net/qq_41570658/article/details/142634771 2025/3/10 10:36:16

企业网站建设,如何快速推广自己的网站,wordpress主题轉中文,网站怎么在微博推广从GDAL提供的实用程序来看，很多程序的后缀都是 .py ，这充分地说明了Python语言在GDAL的开发中得到了广泛的应用。 1. 打开已有的GeoTIF文件下面我们试着读取一个GeoTiff文件的信息。第一步就是打开一个数据集。 >>> from osgeo import gdal…

从GDAL提供的实用程序来看，很多程序的后缀都是 .py ，这充分地说明了Python语言在GDAL的开发中得到了广泛的应用。

1. 打开已有的GeoTIF文件

下面我们试着读取一个GeoTiff文件的信息。第一步就是打开一个数据集。

>>> from osgeo import gdal
>>> dataset = gdal.Open("/gdata/geotiff_file.tif")

既然已经将一个GeoTIFF文件打开为一个GDAL可操作的对象，下面来看一下都能对其进行怎样的操作。

Python提供了 dir() 内省函数，可以快速查看一下当前对象可用的操作：

dir() 函数可能是 Python 自省机制中最著名的部分了。它可以返回传递给它的任何对象的属性名称经过排序的列表。如果不指定对象，则 dir() 返回当前作用域中的名称。

>>> dir(dataset)[:3] + ['... ...'] + dir(dataset)[-3:]

['AbortSQL','AddBand','AddFieldDomain','... ...','__weakref__','this','thisown']

下面看一下如何获取文件的一些基本信息，需要用到下面的一些函数与属性。

dataset.GetDescription() 获得栅格的描述信息
dataset.RasterCount 获得栅格数据集的波段数
dataset.RasterXSize 栅格数据的宽度(X方向上的像素个数)
dataset.RasterYSize 栅格数据的高度(Y方向上的像素个数)
dataset.GetGeoTransform() 栅格数据的六参数。
GetProjection() 栅格数据的投影

通过下面小节我们逐一解释一下。

2. 读取影像的元数据

从元数据的作用来看，它更多地是为工程服务的。客观地说，GDAL对元数据的支持并不好，它并没有直接的元数据处理接口，更没有实现元数据的相关标准。但是，GDAL已经提供了足够方便的函数，可以读取影像的一些信息，从而方便对数据进行处理。 GDAL一般是以字典的形式对元数据进行组织的，但是对于不同的栅格数据类型，元数据的类型与键值可能都不一样。

目前，国际上对空间元数据标准内容进行研究的组织主要有三个，分别是欧洲标准化委员会(CEN/TC 287)、美国联邦地理数据委员会(FGDC)和国际标准化组织地理信息/地球信息技术委员会(ISO/TC 211)。

如果要进行元数据处理，可以考虑将元数据信息写入到XML文件中。这个问题扩展开来就不是本书关心的内容的，在此就不再多说了。

我们先来看一下最常用的GeoTIFF文件的元数据信息。 GDAL可以作为数据集级别的元数据来处理下面的基本的TIFF标志。

TIFFTAG_DOCUMENTNAME
TIFFTAG_IMAGEDESCRIPTION
TIFFTAG_SOFTWARE
TIFFTAG_DATETIME
TIFFTAG_ARTIST
TIFFTAG_HOSTCOMPUTER
TIFFTAG_COPYRIGHT
TIFFTAG_XRESOLUTION
TIFFTAG_YRESOLUTION
TIFFTAG_RESOLUTIONUNIT
TIFFTAG_MINSAMPLEVALUE (read only)
TIFFTAG_MAXSAMPLEVALUE (read only)

使用Python 打开数据来读取一下数据的信息：

>>> from osgeo import gdal
>>> dataset = gdal.Open("/gdata/geotiff_file.tif")
>>> dataset.GetMetadata()

{'AREA_OR_POINT': 'Area', 'PyramidResamplingType': 'NEAREST'}

>>> dir(dataset)[:10]

['AbortSQL','AddBand','AddFieldDomain','AddRelationship','AdviseRead','BeginAsyncReader','BuildOverviews','ClearStatistics','CommitTransaction','CopyLayer']

GetMetadata() 方法可以访问数据的元数据信息，元数据信息对于每个数据都是不一样的。比如再打开另外一个文件：

>>> ds = gdal.Open('/gdata/lu75c.tif')
>>> ds.GetMetadata()

{'AREA_OR_POINT': 'Area','TIFFTAG_XRESOLUTION': '1','TIFFTAG_YRESOLUTION': '1'}

这个文件只对两个TIFF标志进行了定义，还有一个并不是TIFF标志定义的。

`GetDescription()` 获得栅格的描述信息

>>> dataset.GetDescription()

'/gdata/geotiff_file.tif'

看来这里的图像描述是图像的路径名，但是这是和各种不同数据集相关的，不同数据集有不同的描述。

获取栅格数目

栅格数据集是由多个数据构成的，在GDAL中，每一个波段，都是一个数据集；不仅如此，栅格数据集还可能包含有子数据集，每子数据集又可能包含有波段。

先来看一下刚才打开的数据的RasterCount：

>>> dataset.RasterCount

这是一个由7个波段构成的Landsat遥感影像。

再看一个MODIS L1B数据：

>>> mds = gdal.Open("/gdata/MOD09A1.A2009193.h28v06.005.2009203125525.hdf")
>>> mds.RasterCount

运行结果居然是 0 。这意味着当前的数据集 dataset 中的栅格数目是 0 。实际上，MODISL1B的数据格式是HDF格式的，它的数据是以子数据集组织的，要获取其相关的数据的信息，需要继续访问其子数据集。

影像大小

栅格数据的大小指出了影像以像元为单位的宽度与高度。

>>> dataset.RasterXSize,dataset.RasterYSize

(1500, 900)

可以看出我们的影像大小。

获得空间参考

下面看一下如果从栅格数据集中获取其投影与空间参考信息。更多的关于投影与空间参考的讨论，会在后面章节介绍。

GetGeoTransform() 地理仿射变换参数。

对于遥感影像来说，它需要在地理空间中进行定位。在GDAL中，这有两种方式，其中一种是使用六个参数坐标转换模型。这个模型的具体实现在不同的软件中是不一样的。在GDAL中，这六个参数包括 左上角坐标 ， 像元X、Y方向大小 ，旋转等信息。要注意， Y 方向的像元大小为负值。

>>> ds.GetGeoTransform()

(1852951.7603168152, 30.0, 0.0, 5309350.360150607, 0.0, -30.0)

获得投影信息

使用 GetProjection() 函数，可以比较容易地获取数据集的投影信息。但是对于什么是地图投影，以及如何在GDAL中实现，就不是这么容易了。此处我们只是简单地运行一下，更详细的解释，会在后面章节中展开。

>>> ds.GetProjection()

'PROJCS["unnamed",GEOGCS["unknown",DATUM["unnamed",SPHEROID["unretrievable - using WGS84",6378137,298.257223563]],PRIMEM["Greenwich",0],UNIT["degree",0.0174532925199433,AUTHORITY["EPSG","9122"]]],PROJECTION["Albers_Conic_Equal_Area"],PARAMETER["latitude_of_center",0],PARAMETER["longitude_of_center",105],PARAMETER["standard_parallel_1",25],PARAMETER["standard_parallel_2",47],PARAMETER["false_easting",0],PARAMETER["false_northing",0],UNIT["metre",1,AUTHORITY["EPSG","9001"]],AXIS["Easting",EAST],AXIS["Northing",NORTH]]'

3. 使用GDAL获取栅格数据波段信息

上面我们介绍了针对数据集操作的主要函数。但是如果需要了解栅格数据的更多信息，我们就需要看一下遥感图像处理中更常用到的波段操作的函数。

获取数据集的波段

GetRasterBand() 函数，可以获得栅格数据集的波段。这是函数的参数使用波段的索引值。

>>> from osgeo import gdal
>>> dataset = gdal.Open('/gdata/lu75c.tif')
>>> dataset.RasterCount

>>> band = dataset.GetRasterBand(1)

这里我们获取了第一个波段(红色值组成的表)。

注意！这里的波段获取和一般编程语言中数组下标的索引方式不一样，开始是 1 不是 0 。

查看波段的基本信息

下面我们现在来看看刚才读取出来的 band 有些什么东西可以供我们操作。

与操作数据集一样，GDAL同样提供了查看波段基本信息的函数。

>>> band = dataset.GetRasterBand(1)
>>> dir(band)[:6] + ['... ...'] + dir(band)[-3:]

['AdviseRead','AsMDArray','Checksum','ComputeBandStats','ComputeRasterMinMax','ComputeStatistics','... ...','__weakref__','this','thisown']

看一下常用的操作。这些也是用来获取波段的属性信息。

获取波段大小

>>> band.XSize, band.YSize, band.DataType

(6122, 4669, 3)

执行以上代码得到了波段图像的宽和高（像元为单位）。对于我们所使用的影像，这个与 dataset 中使用 RasterXSize() 与 RasterYSize() 获取的值一致。 DataType 是图像中实际数值的数据类型，表示 8 位无符整型。

获取波段数据的属性

>>> band.GetNoDataValue()

>>> band.GetMaximum()

>>> print(band.GetMinimum())

None

>>> band.ComputeRasterMinMax()

(-1.0, 66.0)

Maximum 是表示在本波段数值中最大的值，当然 Minimum 就是表示本波段中最小的值。通过运行结果，我们可以看到在一开始RasterXSize()和RasterYSize()都没有值。因为对于文件格式不会有固有的最大最小值。所以我们可以通过函数 ComputeRasterMinMax() 计算得到。注意！这里的最大最小值不包括“无意义值”！也就是上面显示的 NoDataValue 。

4. 其他数据格式格式

使用GDAL读取ENVI数据格式

ENVI栅格文件格式

ENVI使用的是通用栅格数据格式，包含一个简单的二进制文件（a simple flat binary）和一个相关的ASCII（文本）的头文件。这也保证了单个ENVI栅格文件没有大小上限。

（1）头文件

ENVI头文件包含用于读取图像数据文件的信息，它通常创建于一个数据文件第一次被ENVI读取时。单独的ENVI头文本文件提供关于图像尺寸、嵌入的头文件（若存在）、数据格式及其它相关信息。所需信息通过交互式输入，或自动地用“文件吸取”创建，并且以后可以编辑修改。使用者可以在ENVI之外使用一个文本编辑器生成一个ENVI头文件。

（2）数据文件

通用栅格数据都会存储为二进制的字节流，通常它将以BSQ（band sequential，按波段顺序储存）、BIP（band interleaved by pixel，按波段像元交叉储存）或者BIL（band interleaved by line，按波段行交叉储存）的方式进行存储。

ENVI栅格文件必须包含着两个文件，其中头文件的后缀名为：.hdr，数据文件的后缀随意，甚至可以不带后缀名。这两个文件是通过文件名来关联，即数据文件和头文件名称一致。

GDAL读取HDF数据格式

由于modis卫星数据跟我们经常遇到的geotif数据组织方式不一样，读取的时候一定要特别注意。geotif数据，一般是一个文件，包含了多个波段的数据；而modis呢，一个文件包含了多各SUBDATASETSGDAL，每个SUBDATASETS又包含多个波段数据。另外默认编译的GDAL并不包含对MODIS数据支持，需要单独下载针对HDF4，HDF5的源码，再修改下make.opt文件，这时再编译GDAL，就支持modis数据的读写了。