xiaotiig的博客

gdal常见问题，便于之后进行查找，快速解决

gdal非常简答，就包括3部分，org矢量处理,gdal栅格处理，常用的1些工具集。记住处理的都是一些类，栅格类，数量数据集类，我们主要用这些类的方法操作它的属性。一共就分为三部分：读取栅格，看3.3节写出栅格，看3.4节计算栅格，看3.4.4，就是numpy的运算第二部分就是ORG处理矢量数据：1.读取shp文件，就直接创建驱动读取，就可以读取数据集，图层，要素的属性信息；

1 将numpy数组存储为带坐标的tif文件将numpy数组存储为带坐标的tif文件def write_img(read_path, img_array): """ read_path:原始文件路径 img_array：numpy数组， 数组形状必须是(4, 36786, 37239) ,波段，行，列 """ read_pre_dataset = gdal.Open(read_path) img_transf = read_pre_dataset.GetG

面临的问题就是我们在进行遥感影像处理的时候，一般影像为16位，理论上范围是0-65535，但是实际上有效值一半位0-1000，1000以后的值几乎没有，直接除以65535进行归一化是不合适的，尤其是在深度学习中。进行标准化：（1）错误的方式： x/32767.5遥感影像数据增强1 了解遥感影像1.1 高分影像信息统计1.2 了解北京2号影像1.3 统计上面信息的代码2 数据增强1 了解遥感影像1.1 高分影像信息统计这个高分影像，虽然值范围理论上是0-65535，但是99%的值基本上都小于500。

1 提取4波段的前3波段# 将4波段的遥感影像提取出前3波段import osimport gdalimport numpy as np# 读取tif数据集def readTif(fileName): dataset = gdal.Open(fileName) if dataset == None: print(fileName + "文件无法打开") return dataset# 保存tif文件函数def writeTiff(im_dat

看下面两个就可以了[1] 【Python】GDAL批量栅格转矢量 - 知乎https://zhuanlan.zhihu.com/p/210939809[2] (39条消息) GDAL–栅格转矢量_secyb的博客-优快云博客_gdal栅格转矢量https://blog.youkuaiyun.com/secyb/article/details/80245157...

方式1：conda install gdal只能安装2.3.3版本，不能读取大文件方式2：pip安装，pip install gdal ==2.2.4会报错，需要用下面的方式GDALhttps://blog.youkuaiyun.com/qq_38316655/article/details/105697886

1 读取图像的信息import gdal# 读取要切的原图in_ds = gdal.Open(r"J:\4影像数据大全\1无人机数据\肥西无人机\肥西县正摄影像图\大疆\9-22.tif")print("open tif file succeed")width = in_ds.RasterXSize # 获取数据宽度print("宽：",width)height = in_ds.RasterYSize # 获取数据高度print("高：",height)outbandsize =

调用GDAL库实现图像的读取、显示、均衡化、线性拉伸等功能代码还没写

https://blog.youkuaiyun.com/weixin_44231643/article/details/85629525

很多时候我们对一幅影像进行一些处理后，位置信息丢失，当然分成两种情况：（1）tif影像处理后还是tif影像，只需要把附带的坐标文件copy过去就可以了（2）tif影像处理后变成了png影像，名字变了，直接copy附带文件的方式不靠谱，所以需要进行坐标的添加。下面应该实现了第二种情况，自己需要再试一下。import gdaldef copy_geoCoordSys(img_pos_path,img_none_path): ''' 获取img_pos坐标，并赋值给img_none

https://blog.youkuaiyun.com/zsc201825/article/details/89359995?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&dist_request_id=1328641.12274.16155548391037017&depth_1-utm_source=distribute.pc_relevant.none-task-