Python遥感图像处理应用篇(三十):图片格式转为具有空间坐标的遥感图像数据(Jpg2Geotiff)

最近在调试一段代码,该代码输入数据为遥感图像,但是计算出的图像分类结果使用jpg(png等)图片格式保存的输出结果,作为一个遥感工作者,显然更想得到一个具有空间位置信息的遥感图像,比如Geotiff格式。对于这个问题,我们有两个办法解决:首先就是该源代码,输出结果部分的代码修改为输出Geotiff格式数据;另一种方法是直接将Jpg格式的图片转化为带坐标的遥感图像。

使用前提条件:Jpg输出图片和原图像具有相同的尺寸大小,即行列号一致。

实现思路:

1.Jpg格式结果具有多种类别结果,每种类别具有不同的颜色,所以首先我们将图像灰度化,可以使用opencv库来实现,将转化后的图像保存下来。

2.依次读取上一步中得到的灰度图像(也具有三个通道)每个波段,使用gdal保存到Geotiff格式文件中。这里需要使用到一个参考影像数据(可以将原始输入计算的遥感数据作为参考数据,主要用于获取待保存数据的空间信息。

3.上一步中得到的Geotiff格式图像具有三个相同的波段数据,我们其实只需要保存其中一个波段就行了。(下文代码中保存了所有的波段,我们可以使用Arcgis或者erdas、ENVI等软件提取其中一个波段即可)

高分二号遥感影像语义分割数据集制作全流程:从预处理到Labelme标注 遥感图像语义分割是计算机视觉与地理信息科学交叉的重要技术,其核心在于让模型理解图像中每个像素的语义类别,如建筑物、道路、水体等。其原理是通过深度学习模型(如U-Net、DeepLab)学习从图像到像素级标签的映射关系。这项技术的价值在于能自动化、大规模地从遥感影像中提取结构化信息,极大提升了国土调查、城市规划、环境监测等领域的效率。在实际应用中,高质量的训练数据集是模型性能的基石,而针对特定区域或任务,往往需要从原始影像开始定制数据集。本文聚焦于使用国产高分二号(GF-2)卫星影像,详细阐述了从数据预处理( 阅读详情

相关推荐

遥感图像融合TIF算法:Python与MATLAB双实现

遥感图像融合是将多光谱影像的光谱信息与全色影像的空间细节相结合的关键技术,其核心原理在于频域/空域特征互补建模与辐射一致性约束。该技术显著提升地物分类、变化检测等下游任务的精度与鲁棒性,广泛应用于自然资源监测、城市规划和应急测绘等场景。本文聚焦TIF格式遥感数据原生处理需求,提供IHS、PCA、Gram-Schmidt等五种经典算法的可复现代码实现,并深度覆盖地理参考校验、亚像素配准、直方图匹配等工程化预处理环节,兼顾研究生教学理解与项目级交付能力。

weixin_29044157的博客 183

遥感图像融合TIF算法:Python与MATLAB实战指南

遥感图像处理中,图像融合是提升空间分辨率与光谱信息的关键技术。其核心原理是通过像素级算法,如PCA、拉普拉斯金字塔或小波变换,将高分辨率全色影像与低分辨率多光谱影像合成为兼顾空间细节与色彩保真的TIF格式数据。这种GeoTIFF成果不仅可直接用于正射影像底图、变化检测和目标识别等地理信息应用,还能有效支撑空间分析工程实践。针对遥感数据批量预处理场景,利用Python与MATLAB实现图像融合算法,能大幅提升处理效率,并灵活适配不同数据源。本文从基础概念讲起,结合代码案例与实际踩坑经验,帮助读者理解并落地图像

weixin_29061531的博客 257

精通栅格数据处理:Python rasterio库实用指南

rasterio是一个Python库,专为读写栅格数据格式设计,它使得地理空间数据处理变得更加直观和高效。作为GDAL库的一个更加现代和Pythonic的接口,它提供了一种更简洁的方式来进行地理空间数据的分析和转换,特别受到数据科学家和GIS专业人员的青睐。rasterio在设计上强调可读性和易用性,它抛弃了GDAL复杂且冗长的C++接口,转而使用Python的简洁风格。借助Python的强大生态系统,rasterio用户可以轻松集成NumPy和SciPy等科学计算库进行数据分析和处理。

weixin_33816734的博客 1629

遥感图像分类源码实战:从数据准备到模型落地全指南

图像分类是机器学习落地最成熟的场景之一,但遥感影像因其多光谱通道、空间尺度差异和地物重叠,对模型与数据处理提出更高要求。从数据划分的“空间自相关”陷阱到波段数匹配、类别不均衡等实际工程问题,正确理解数据特性往往是模型效果的分水岭。通过合理选型(如ResNet、EfficientNet)、冻结预训练权重、调整学习率与batch size,并配合混淆矩阵、Kappa系数和Grad-CAM可视化验证,能够有效提升分类模型的泛化能力。本文围绕遥感图像分类源码的完整使用流程,系统梳理解压环境配置、训练脚本运行及常见坑

weixin_32487557的博客 257

CNN遥感影像地物分类:Landsat Python源码全解析

深度学习作为一种数据驱动的特征提取方法,在图像识别领域取得了突破性进展。卷积神经网络(CNN)通过局部连接和权值共享,能够自动学习影像中的纹理、边缘和形状特征,广泛应用于遥感影像地物分类。传统方法在类别多、范围大时精度和效率受限,而基于CNN的模型可以端到端地完成特征提取与分类。一套基于Python和Keras的Landsat遥感影像分类源码,涵盖数据切块、模型训练、预测推理及常见避坑指南,为GIS与遥感从业者提供了快速上手深度学习地物分类的完整参考。

weixin_29066781的博客 289

Python遥感影像可视化:从波段合成到NDVI渲染的完整实现

遥感影像处理是地理信息科学中的基础技能,而栅格数据的可视化则是理解数据的第一步。通过Python生态中的Rasterio、NumPy与Matplotlib,开发者可以构建轻量级桌面工具,实现从影像读取、波段合成到直方图拉伸的完整流程。其中,百分比截断拉伸解决了16位影像显示过暗的痛点,而NDVI等植被指数的计算则依托近红外与红光波段的比值运算,为植被覆盖分析提供量化依据。这类技术不仅适用于科研中的快速预览,还能辅助深度学习数据集筛选与灾情评估。本文从核心原理出发,结合PyQt5界面设计,介绍如何打造一套无需

weixin_29313423的博客 238

舰船识别大数据系统:AIS+卫星+雷达多源融合实战

舰船识别是海事智能监管的核心技术,本质是多源异构数据(AIS动态流、光学卫星影像、雷达点云)的实时融合处理。其技术难点不在单帧检测精度,而在流式接入稳定性、边缘-云端协同推理、国产化硬件适配等工程能力。基于ONNX Runtime的轻量化模型部署、Kafka驱动的数据管道、SQLite/Dask混合存储调度,共同构成高鲁棒性识别系统的三大支柱。该方案特别适用于港口监控、渔船监管、海上执法等需7×24小时运行的真实业务场景,兼顾算法精度与系统可用性。

weixin_29093169的博客 261

遥感影像批量裁剪、数据切分、数据增强、位深度转换代码

代码包括遥感影像的单图裁剪、批量裁剪;训练集、验证集和测试集的切分;目标检测和语义分割影像的数据增强;32/16位深度转8位深度。 1、主要用于深度学习领域的遥感影像数据处理,主要针对输入数据为tif,转为jpg、png格式,并将数据裁剪为网络可以训练的大小,可以手动调节裁剪步长(即有重叠或无重叠),可以对单张图像进行裁剪,也可对文件夹内的所有图片进行裁剪。 2、可以根据想要划分的训练集、验证集和测试集的比例进行划分,如9:1:1. 3、本代码还提供了用于目标检测和语义分割任务的数据的增强,主要包括仿射变换、平移翻转等。 4、此外,代码还针对遥感影像位深度32或者16的转为8位的操作。 本代码可修改性强,为方便理解,每部分代码都进行的标注。本文件共包含10个python文件。

给img、tif影像添加坐标系

用GDAL给img影像添加坐标,并转化成tif

JPG转GeoTIFF坐标赋值[代码]

本文详细介绍了如何使用GDAL库将JPG图片转换为GeoTIFF格式,并为输出文件添加地理参考信息。通过自定义输入的坐标和分辨率参数,实现精准的地理坐标投影。文章首先说明了项目依赖的环境,包括GDAL库和Conda虚拟环境的使用。接着详细介绍了安装GDAL和设置PROJ_LIB环境变量的步骤。随后,文章提供了脚本功能的概述,包括findFile函数和convert_jpg_to_geotiff函数的具体实现,以及主要参数的说明。最后,通过一个具体的示例展示了如何调用convert_jpg_to_geotiff函数完成JPG到GeoTIFF的转换,并添加地理坐标信息。

远程桌面连接失败?手把手教你解决CredSSP加密Oracle漏洞(Win10/Win11通用)

本文详细解析了Windows远程桌面连接因CredSSP加密Oracle漏洞安全更新导致的“身份验证错误”问题。文章从原理入手,提供了通过组策略编辑器(适用于专业版)和注册表编辑器(适用于家庭版)两种核心解决方案,指导用户将安全策略调整为推荐的“缓解”模式,以在保障安全的前提下恢复连接,并给出了高级脚本处理与安全最佳实践。

u6v7w8x的博客 730

HFSS简要教程--无线能量传输线圈仿真

关于无限能量传输线圈仿真简要教程

asdmoon18的博客 2549

别再混淆了!5分钟搞懂机器人导纳控制与阻抗控制的本质区别(附Simulink对比仿真)

本文深入解析机器人柔顺控制中的导纳控制与阻抗控制的本质区别,通过信号流方向、架构对比和应用场景三个关键视角进行详细阐述。文章还提供Simulink对比仿真案例,帮助读者快速理解两种控制策略的差异及其适用场景,特别适合机器人控制领域的研究者和工程师参考。

weixin_42543046的博客 609

告别路径打架!用Python实现CBS算法搞定仓库机器人调度(附完整代码)

本文详细介绍了如何使用Python实现CBS(Conflict-Based Search)算法解决仓库机器人调度中的路径冲突问题。通过多智能体路径规划(MAPF)技术,有效避免AGV在智能仓库中的碰撞和死锁,提供完整代码实现和工业场景优化技巧,帮助开发者快速构建高效的机器人调度系统。

weixin_30275415的博客 331

【NLP】文献翻译4——CH-SIMS:中文多模态情感分析数据集与细粒度的模态注释

CH-SIMS: A Chinese Multimodal Sentiment Analysis Dataset with Fine-grained Annotations of Modality摘要1. 介绍2. 相关工作2.1 多模态数据集2.2 多模态情感分析2.3 多任务学习3. CH-SIMS 数据集3.1 数据获取3.2 标注3.3 特征提取4. 多模式多任务学习框架4.1 单模态子网4.2 特征融合网络4.3 优化目标5. 实验5.1 基准5.2 实验的细节5.3 结果和讨论5.3.1 与

YoungSeng's Blog 1万+

EtherCAT主站视角:如何正确配置一个支持动态PDO的从站(以倍福TwinCAT为例)

本文详细解析了在TwinCAT环境下配置支持动态PDO的EtherCAT从站的全过程。通过MDP(Modular Device Profile)实现模块化配置,涵盖从站工作原理、TwinCAT工程配置、调试技巧到高级应用实践,帮助工程师快速掌握动态PDO配置技术,提升工业现场设备扩展与维护效率。

weixin_30466039的博客 267

【AI大模型应用开发】教你用AI轻松将你的知识库变为知识图谱(附完整代码,直接运行)

本文我们来介绍如何使用AI,将自己的知识库自动转换为知识图谱,并进行可视化展示。

同学小张的博客 3930

uniapp中使用canvas生成海报,并下载保存到手机相册

如下图,是在H5中,canvas生成后的效果,首先说明,H5不支持返回图片的临时路径,不能用于保存,APP端生成成功后,会返回图片的临时路径用来保存到相册。本地测试,用的网络图片,没有出现跨域的问题,APP端也正常显示。 完整代码:可以将整个代码复制到你得uniapp项目中直接运行。代码中做了详细的注册,关于API的用法,这里只标注的简单的提示,具体还是参考 官方链接uniapp-canvas吧 <template> <view class="demo"> <c.

sunluyi的博客 3万+

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

上一篇: scikit-image:遥感图像geotiff格式转mat格式
下一篇: Pandas数据操作详解-总结
空中旋转篮球
空中旋转篮球 新星创作者: python技术领域 新星创作者: python技术领域
博客等级 码龄14年 6104粉丝 270原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

空中旋转篮球

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值