基于Python GDAL库实现图像的几何校正详细教程

2024-01-12 17:46| 来源: 网络整理| 查看: 265

If the implementation is hard to explain, it’s a bad idea. If the implementation is easy to explain, it may be a good idea. ——The Zen of python

最近需要利用Python的GDAL库对遥感图像进行几何校正，在网上搜了搜相关资料，大部分是来自李民录老师的《GDAL源码剖析与开发指南》及其博客的C++代码，关于Python的资料较少，于是便四处参考查阅，最终实现了校正功能，现总结整理一下，如果有任何意见建议，欢迎批评指正。

一、几何校正方法

图像校正本质是建立一种从原始图像行列号到某种投影的数学关系，即实现图像行列坐标到投影坐标的转换。不同的校正方法利用了不同的方法来表示转换关系，但本质上式相同的。常用的几何校正方法包括：几何多项式校正、有理函数模型校正、局部区域校正模型、地理查找表校正等。

GDAL库中可以实现的校正方法就包括以上四种方法，即：1~3次的几何多项式校正、RPC（有理函数系数）校正、TPS（薄板样条）校正、GeoLoc校正。

二、转换关系的描述

不同的校正方法需要的信息也不相同，通常我们采用地面控制点（GCPs）的方式来建立转换关系，如果是RPC校正，则需要RPC文件来提供RPC系数。有的卫星数据，例如MODIS是包含GeoLocation Arrays提供每个像素的经纬度，例如Himawari-8卫星数据则直接提供了投影和地理变换参数(仿射变换六参数，这个最简单)。

三、Python中的GDAL几何校正

Python中的几何校正主要靠 gdal.Warp() 函数来实现的，下面说一下主要流程：

3.1 读取未经校正的图像

主要利用 gdal.Open()：

from osgeo import gdal from osgeo import osr dataset = gdal.Open(r'xxx.tif', gdal.GA_Update) 3.2 构造地面控制点

构造控制点列表 gcps_list：

# 实际控制点肯定要多的多，这里只写了四个点. gcps_list = [gdal.GCP(-111.931075, 41.745836, 0, 1078, 648), gdal.GCP(-111.901655, 41.749269, 0, 3531, 295), gdal.GCP(-111.899180, 41.739882, 0, 3722, 1334), gdal.GCP(-111.930510, 41.728719, 0, 1102, 2548)]

附控制点构造函数gdal.GCP()的说明

gdal.GCP([x], [y], [z], [pixel], [line], [info], [id]) # x、y、z是控制点对应的投影坐标，默认为0; # pixel、line是控制点在图像上的列、行位置，默认为0; # info、id是用于说明控制点的描述和点号的可选字符串，默认为空. 3.3 添加地面控制点到图像

在添加之前需要指定一个空间参考，这里以WGS84基准的地理坐标系(经纬度)为例：

sr = osr.SpatialReference() sr.SetWellKnownGeogCS('WGS84') # 添加控制点 dataset.SetGCPs(gcps, sr.ExportToWkt()) 4.进行校正

校正就直接调用gdal.Warp()就可以了：

# tps校正重采样:最邻近法 dst_ds = gdal.Warp(r'xxx_dst.tif', dataset, format='GTiff', tps=True, xRes=0.05, yRes=0.05, dstNodata=65535, srcNodata=65535, resampleAlg=gdal.GRIORA_NearestNeighbour， outputType=gdal.GDT_Int32)

附gdal.Warp()的参数说明

gdal.Warp(destNameOrDestDS, srcDSOrSrcDSTab, **kwargs) # destNameOrDestDS --- 输出数据集路径或对象 # srcDSOrSrcDSTab --- 数据集对象或文件名or数据集对象或文件名的数组 # 关键字参数是gdal.WarpOptions()的返回值，或者直接定义gdal.WarpOptions() gdal.WarpOptions(options = [], format = 'GTiff', outputBounds = None, outputBoundsSRS = one, xRes = None, yRes = None, targetAlignedPixels = False, width = 0, height = 0, srcSRS = None, dstSRS = None, srcAlpha = False, dstAlpha = False, warpOptions = None, errorThreshold = None, warpMemoryLimit = None, creationOptions = None, outputType = GDT_Unknown, workingType = GDT_Unknown, resampleAlg = None, srcNodata = None, dstNodata = None, multithread = False, tps = False, rpc = False, geoloc = False, polynomialOrder = None, transformerOptions = None, cutlineDSName = None, cutlineLayer = None, cutlineWhere = None, cutlineSQL = None, cutlineBlend = None, ropToCutline = False, copyMetadata = True, metadataConflictValue = None, setColorInterpretation = False, callback = None, callback_data = None): # options --- 字符串数组, 字符串或者空值 # format --- 输出格式 ("GTiff", etc...) # outputBounds --- 结果在目标空间参考的边界范围(minX, minY, maxX, maxY) # outputBoundsSRS --- 结果边界范围的空间参考, 如果在dstSRS中没有指定的话，采用此参数 # xRes, yRes --- 输出分辨率，即像素的大小 # targetAlignedPixels --- 是否强制输出边界是输出分辨率的倍数 # width --- 输出栅格的列数 # height --- 输出栅格的行数 # srcSRS --- 输入数据集的空间参考 # dstSRS --- 输出数据集的空间参考 # srcAlpha --- 是否将输入数据集的最后一个波段作为alpha波段 # dstAlpha --- 是否强制创建输出 # outputType --- 输出栅格的变量类型 (gdal.GDT_Byte, etc...) # workingType --- working type (gdal.GDT_Byte, etc...) # warpOptions --- list of warping options # errorThreshold --- 近似转换的误差阈值(误差像素数目) # warpMemoryLimit --- 工作内存限制 Bytes # resampleAlg --- 重采样方法 # creationOptions --- list of creation options # srcNodata --- 输入栅格的无效值 # dstNodata --- 输出栅格的无效值 # multithread --- 是否多线程和I/O操作 # tps --- 是否使用Thin Plate Spline校正方法 # rpc --- 是否使用RPC校正 # geoloc --- 是否使用地理查找表校正 # polynomialOrder --- 几何多项式校正次数 # transformerOptions --- list of transformer options # cutlineDSName --- cutline数据集名称 # cutlineLayer --- cutline图层名称 # cutlineWhere --- cutline WHERE 子句 # cutlineSQL --- cutline SQL语句 # cutlineBlend --- cutline blend distance in pixels # cropToCutline --- 是否使用切割线范围作为输出边界 # copyMetadata --- 是否复制元数据 # metadataConflictValue --- 元数据冲突值 # setColorInterpretation --- 是否强制将输入栅格颜色表给输出栅格 # callback --- 回调函数 # callback_data --- 用于回调的用户数据

多项式校正和TPS校正利用上述流程即可校正，对于Geoloc校正，可以参考李老师博文中的思路，分为两种情况：

对于自带GeoLocation元数据段的MODIS数据，利用gdal.Info()查看波段信息，直接利用gdal.Warp()设置geoloc=True后,对目标波段进行校正即可：

ds = gdal.Warp(r'X:\ModisNearest.tif', r'HDF4_EOS:EOS_SWATH:"X:\MOD021KM.A2018130.0220.061.2018130132414\MOD021KM.A2018130.0220.061.2018130132414.hdf":MODIS_SWATH_Type_L1B:EV_1KM_RefSB', width=2030, height=1354, format='GTiff', geoloc=True, dstSRS=sr.ExportToWkt(), resampleAlg=gdal.GRIORA_NearestNeighbour)

对于其他类型数据，则需要构造VRT文件，然后指定geoloc信息，假设现在有一幅未校正图像 XXX.tif，还有 longitude.tif，latitude.tif 两个经纬度文件(写成一个文件也可以，只不过需要改 X_BAND 和 Y_BAND 的值)，于是我们构造一个 xxx.vrt 文件，内容如下：

GEOGCS["WGS 84",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG","7030"]],TOWGS84[0,0,0,0,0,0,0],AUTHORITY["EPSG","6326"]],PRIMEM["Greenwich",0,AUTHORITY["EPSG","8901"]],UNIT["degree",0.0174532925199433,AUTHORITY["EPSG","9108"]],AXIS["Lat",NORTH],AXIS["Long",EAST],AUTHORITY["EPSG","4326"]] X:\longitude.tif 1 0 1 X:/latitude.tif 1 0 1 Gray 65535 X:/XXX.tif 3

其中关键的是段中的9个key，其中X_DATASET和Y_DATASET指定了行列对应的经纬度波段，其他标签含义从略，可看参考资料。VRT文件后半部分的指定了需要校正的文件。

有了VRT文件，我们就可以进行校正了，输入改为vrt文件路径，geoloc=True用Warp()校正。

关于RPC校正，我没有数据，没有测试过。。。但是经过一番搜索[,看了里面gdal的单元测试文件，有如下思路以供参考:

rpc = [ "HEIGHT OFF=l09", "LINE NUM COEFF=-0. 001245683 -0. 09427649 -1. 006342 " "-1. 954469e-05 0. 001033926 2.020534e-08 -3.845472e-07 一0.002075817 " "0.0005520694 0 -4.642442e-06 -3.271793e-06 2. 705977e-05 -7.634384e-07 " "-2.132832e-05 -3.248862e-05 -8.17894e-06 -3.678094e-07 2.002032e-06 " "3.693162e-08", "LONG OFF=7.1477" "SAMP DEN COEFF=l " ......] ds.SetMetadata(rpc,'RPC') dst_ds = gdal.Warp('output.xxx', ds, dstSRS='EPSG:4326', xRes=0.0002, yRes=0.0002, rpc=True, transformerOptions = [r'RPC_DEM=X:\DEM.tif'])

注：

文章转自：https://blog.csdn.net/qq_27045589/article/details/81062586

【本文地址】

公司简介

联系我们