如何利用Python对遥感影像进行显示

遥感影像一般具有多个波段，比较常见的影像一般是4波段多光谱影像，比如高分一号、高分二号、资源三号等。

这些影像数据一般体量较大，有的几百兆，有的多达几十G，格式一般是16位无符号整型，一般看图软件无法打开显示，需要ArcGIS、ENVI等专业的软件进行查看，有时候很不方便。

这篇博客就简单的介绍一下，如何利用Python对遥感影像进行显示，需要用到的库为GDAL和Opencv。

正文

Python中，一般的绘图库都无法处理或显示遥感影像，例如Matplotlib、Opencv、Scipy等，很多连遥感影像都读取不了。

基于此，本代码的主要解决思路：（1）利用GDAL读取遥感影像，获取影像数据；（2）对影像数据进行简单的拉伸变换处理，处理成8位整型；（3）将处理后的数据显示出来。附带增加了一个Gamma变换函数，可以对数据进行拉伸处理。

测试数据：高分一号8米4波段多光谱数据

这里，遥感影像的读取函数，来源于之前写的博客 如何使用Python中的GDAL库对遥感影像进行读取和存储。

# -*- coding: utf-8 -*-
import numpy as np
from osgeo import gdal
import cv2

class IMAGE:
    #读图像文件
    def read_img(self, filename):
        dataset = gdal.Open(filename) #打开文件
        im_width = dataset.RasterXSize  #栅格矩阵的列数
        im_height = dataset.RasterYSize  #栅格矩阵的行数
        im_bands = dataset.RasterCount   #波段数
        im_geotrans = dataset.GetGeoTransform()  #仿射矩阵，左上角像素的大地坐标和像素分辨率
        im_proj = dataset.GetProjection() #地图投影信息，字符串表示
        im_data = dataset.ReadAsArray(0,0,im_width,im_height)
 
        del dataset 
 
        return im_bands, im_data
 
    #写GeoTiff文件
    def write_img(self, filename, im_proj, im_geotrans, im_data):
 
        #判断栅格数据的数据类型
        if 'int8' in im_data.dtype.name:
            datatype = gdal.GDT_Byte
        elif 'int16' in im_data.dtype.name:
            datatype = gdal.GDT_UInt16
        else:
            datatype = gdal.GDT_Float32
 
        #判读数组维数
        if len(im_data.shape) == 3:
            im_bands, im_height, im_width = im_data.shape
        else:
           im_bands, (im_height, im_width) = 1, im_data.shape
 
        #创建文件
        driver = gdal.GetDriverByName("GTiff") 
        dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)
 
        dataset.SetGeoTransform(im_geotrans)       #写入仿射变换参数
        dataset.SetProjection(im_proj)          #写入投影
 
        if im_bands == 1:
            dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据
        else:
            for i in range(im_bands):
                dataset.GetRasterBand(i+1).WriteArray(im_data[i])
 
        del dataset

## 影像拉伸 ##
def img_processing(im_band,img_data):
    if im_band == 1:
        data_jpg = np.zeros((img_data.shape[0],img_data.shape[1]),dtype='uint8')
        im_max = np.amax(img_data)
        im_min = np.amin(img_data)
        for m in range(0, img_data.shape[0]):
            for n in range(0, img_data.shape[1]):
                data_jpg[m,n] = 255/(im_max-im_min)*(img_data[m,n]-im_min)
    else:
        data_jpg = np.zeros((img_data.shape[1],img_data.shape[2],3),dtype='uint8')
        for i in range(3):
            im_max = np.amax(img_data[i,:,:])
            im_min = np.amin(img_data[i,:,:])
            for m in range(0, img_data.shape[1]):
                for n in range(0, img_data.shape[2]):
                    data_jpg[m,n,i] = 255/(im_max-im_min)*(img_data[i,m,n]-im_min)
    return data_jpg

## GAMMA 变换 ##
def gamma_trans(img, gamma):
    gamma_table = [np.power(x/255.0,gamma)*255.0 for x in range(256)]
    gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
    return cv2.LUT(img,gamma_table)

if __name__ == '__main__':
    image_grid = IMAGE()
    image_name = 'GF1.tif'
    im_band,img_data = image_grid.read_img(image_name)
    data_jpg = img_processing(im_band,img_data)
    data_jpg_corrted = gamma_trans(data_jpg, 0.5)
    ## 显示 ##
    cv2.imshow('GF1',data_jpg)
    cv2.imshow('Gamma_image',data_jpg_corrted)
    cv2.waitKey()

ArcGIS下显示

拉伸参数设置：

经过Python拉伸处理后的图

经过Gamma变换（系数为0.5）后的图

总结

可以看出，处理后的效果和ArcGIS中的显示效果还是有较大差距，不过图像内容还是能够看出来。其他数据由于没有，所以暂时还没有测试，可能会存在问题，不是可能，严谨点，肯定存在问题。后续根据需要，再慢慢解决吧！

本文地址：https://blog.csdn.net/u012569919/article/details/109864492