|
一.前言：
tif格式的卫星遥感数据不同于jpg、png等普通的图像，普通jpg图像一般只有三通道值，即R、G、B三通道，png格式再加上Alpha通道，其数据值在[0——255]之间。tif格式的遥感影像，包含了众多波段的数据，除了RGB通道，还可能包含近红外、红边范围、短波红外等波段，常用来处理tif格式遥感影像的库是gdal。
二.读取tif遥感影像数据（以高分二号卫星遥感影像数据为例）
高分二号卫星多光谱包含蓝、绿、红、近红外四个波段，分别对应1、2、3、4
def readTif(imgPath, bandsOrder=[3, 2, 1]): # 读取红绿蓝（RGB）三波段数据
dataset = gdal.Open(imgPath, gdal.GA_ReadOnly) # 返回一个gdal.Dataset类型的对象
cols = dataset.RasterXSize # tif图像的宽度
rows = dataset.RasterYSize # tif图像的高度
data = np.empty([rows, cols, 3], dtype=float) # 定义结果数组，将RGB三波段的矩阵存储
for i in range(3):
band = dataset.GetRasterBand(bandsOrder[i]) # 读取波段数值
oneband_data = band.ReadAsArray() # 读取波段数值读为numpy数组
print(oneband_data)
data[:, :, i] = oneband_data # 将读取的结果存放在三维数组的一页三
return data
三.数据归一化问题、tif格式转化为jpg格式
tif数据的值不同于RGB的取值在[0——255]之间，在几百到一千多不等，Nir近红外的值可以取到两千多。所以在输入模型之前进行归一化可以通过np.percentile()方法取最大值
np.percentile(band, 100.0) # 返回当前band波段的最大值
tif格式转化为jpg格式，其实就是把tif数据值映射到[0——255]这个区间
import numpy as np
import os
from PIL import Image
from osgeo import gdal
# Stop GDAL printing both warnings and errors to STDERR
gdal.PushErrorHandler('CPLQuietErrorHandler')
# Make GDAL raise python exceptions for errors (warnings won't raise an exception)
gdal.UseExceptions()
def readTif(imgPath, bandsOrder=[3, 2, 1]):
"""
读取GEO tif影像的前三个波段值，并按照R.G.B顺序存储到形状为【原长*原宽*3】的数组中
:param imgPath: 图像存储全路径
:param bandsOrder: RGB对应的波段顺序，如高分二号多光谱包含蓝，绿，红，近红外四个波段，RGB对应的波段为3，2，1
:return: R.G.B三维数组
"""
dataset = gdal.Open(imgPath, gdal.GA_ReadOnly) # 返回一个gdal.Dataset类型的对象
cols = dataset.RasterXSize # tif图像的宽度
rows = dataset.RasterYSize # tif图像的高度
data = np.empty([rows, cols, 3], dtype=float) # 定义结果数组，将RGB三波段的矩阵存储
for i in range(3):
band = dataset.GetRasterBand(bandsOrder[i]) # 读取波段数值
oneband_data = band.ReadAsArray() # 读取波段数值读为numpy数组
#print(oneband_data)
data[:, :, i] = oneband_data # 将读取的结果存放在三维数组的一页三
return data
def stretchImg(imgPath, resultPath, lower_percent=0.5, higher_percent=99.5):
"""
#将光谱DN值映射至0-255，并保存
:param imgPath: 需要转换的tif影像路径（***.tif）
:param resultPath: 转换后的文件存储路径(***.jpg)
:param lower_percent: 低值拉伸比率
:param higher_percent: 高值拉伸比率
:return: 无返回参数，直接输出图片
"""
print(imgPath)
RGB_Array=readTif(imgPath)
print(RGB_Array.shape)
band_Num = RGB_Array.shape[2] # 数组第三维度的大小，在这里是图像的通道数
JPG_Array = np.zeros_like(RGB_Array, dtype=np.uint8)
for i in range(band_Num):
minValue = 0
maxValue = 255
#获取数组RGB_Array某个百分比分位上的值
low_value = np.percentile(RGB_Array[:, :,i], lower_percent)
high_value = np.percentile(RGB_Array[:, :,i], higher_percent)
temp_value = minValue + (RGB_Array[:, :,i] - low_value) * (maxValue - minValue) / (high_value - low_value)
temp_value[temp_value < minValue] = minValue
temp_value[temp_value > maxValue] = maxValue
JPG_Array[:, :, i] = temp_value
outputImg = Image.fromarray(np.uint8(JPG_Array))
outputImg.save(resultPath)
def Batch_Convert_tif_to_jpg(imgdir,savedir):
#获取文件夹下所有tif文件名称，并存入列表
file_name_list = os.listdir(imgdir)
for name in file_name_list:
# 获取图片文件全路径
img_path = os.path.join(imgdir, name)
#获取文件名，不包含扩展名
filename = os.path.splitext(name)[0]
print(filename)
savefilename = filename + "_no" +".jpg"
#文件存储全路径
savepath = os.path.join(savedir, savefilename)
# img_path为tif文件的完全路径
# savepath为tif文件对应的jpg文件的完全路径
print(savepath)
stretchImg(img_path, savepath)
print("图片:【", filename, "】完成转换")
print("完成所有图片转换!")
if __name__ == '__main__':
imgdir = r"C:\Users\admin\Desktop\prodata\process\tif" # tif文件所在的【文件夹】
savedir = r"C:\Users\admin\Desktop\prodata\process\jpg" # 转为jpg后存储的【文件夹】
Batch_Convert_tif_to_jpg(imgdir, savedir)
结果：
|