本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于腾讯云，作者：bugsuse。

0.前言

因为没有喝上“秋天的第一份奶茶”，准备来更新一篇推送。

在上一篇推文中，我展示了如何使用Python结合Landsat制作遥感影像图(Python干货 | 制作遥感影像图)。

对于Landsat数据来说，对某个区域的重访周期为16天，每个位置使用全球参考系(WRS)进行索引，即每一个位置都会对应一个Path和Row，相邻的影像之间会有部分区域是重叠的。

Fig.1 World Reference System

在某些遥感影像的应用场景中，如果我们关注的区域正好处于两景影像的交界处，如下图中的象山港，那我们就需要将影像拼接起来才可以使用。

单张影像是这样。

本文合并后是这样。

1.准备工作

相较于上一篇推送，我们这次为了实现遥感影像的镶嵌拼接，我们使用到了两个库， rasterio和gdal。

import rasterio as rio

import gdal

先介绍一下我们实现两组遥感影像拼接的思路，首先选取两景相邻的影像，分别得到他们的空间范围，再得到两景组合到一起之后的空间范围，使用gdal新建一个tif文件(数据中转用)，分别得到原来两景影像在新建的tif文件中的起始位置，将对应的数据写入新的tif文件中，即实现镶嵌拼接。

上面说的是两景影像的拼接，如果是更多影像拼接同样适用，但是现阶段的方法如果拼接多的影像的话，需要的内存空间很大，容易导致内存溢出，感兴趣的朋友可以思考一下如何高效实现多景影像的拼接。

其中还有两处关键处理，一是如何去除重叠区域的无效信息，二是重叠区域的数据如何选择。希望各位看官能从代码里面找到答案。

2.动起手来

得到输入影像的四个角点。

def tiffileList2filename(tiffileList):

filename = []

prefix = []

for ifile in tiffileList:

file0 = ifile.split("\\")[-1]

prefix.append(os.path.join(ifile, file0))

filename.append(os.path.join(ifile, file0) + "_B1.TIF")

return filename, prefix

def get_extent(tiffileList):

filename, prefix = tiffileList2filename(tiffileList)

rioData = rio.open(filename[0])

left = rioData.bounds[0]

bottom = rioData.bounds[1]

right = rioData.bounds[2]

top = rioData.bounds[3]

for ifile in filename[1:]:

rioData = rio.open(ifile)

left = min(left, rioData.bounds[0])

bottom = min(bottom, rioData.bounds[1])

right = max(right, rioData.bounds[2])

top = max(top, rioData.bounds[3])

return left, bottom, right, top, filename, prefix

得到新建tif文件的size，这里已知Landsat空间分辨率为30m，如果是其他遥感数据，需对应进行修改。

if __name__ == '__main__':

tiffileList = [r'PathofLandsat8\LC08_L1TP_118039_20160126_20170330_01_T1',

r'PathofLandsat8\LC08_L1TP_118040_20160126_20170330_01_T1']

left, bottom, right, top, filename, prefix = get_extent(tiffileList)

cols, rows= getRowCol(left, bottom, right, top)

bands = ['B7', 'B5', 'B3']

n_bands = len(bands)

arr = np.zeros((n_bands, rows, cols), dtype=np.float)

# 打开一个tif文件

in_ds = gdal.Open(filename[0])

for i in range(len(bands)):

ibands = bands[i]

# 新建一个tif文件

driver = gdal.GetDriverByName('gtiff')

out_ds = driver.Create(ibands + 'mosaic.tif', cols, rows)

# 设置tif文件的投影

out_ds.SetProjection(in_ds.GetProjection())

out_band = out_ds.GetRasterBand(1)

# 设置新tif文件的地理变换

gt = list(in_ds.GetGeoTransform())

gt[0], gt[3] = left, top

out_ds.SetGeoTransform(gt)

# 对要拼接的影像进行循环读取

for ifile in prefix:

in_ds = gdal.Open(ifile + '_' + ibands + '.tif')

# 计算新建的tif文件及本次打开的tif文件之间的坐标漂移

trans = gdal.Transformer(in_ds, out_ds, [])

# 得到偏移起始点

success, xyz = trans.TransformPoint(False, 0, 0)

x, y, z = map(int, xyz)

# 读取波段信息

fnBand = in_ds.GetRasterBand(1)

data = fnBand.ReadAsArray()

# 写入tif文件之前，最大值设置为255，这一步很关键

data = data / 65535 * 255

data[np.where(data == 255)] = 0

# 影像重合部分处理，重合部分取最大值

xSize = fnBand.XSize

ySize = fnBand.YSize

outData = out_band.ReadAsArray(x, y, xSize, ySize)

data = np.maximum(data, outData)

out_band.WriteArray(data, x, y)

del out_band, out_ds

file2read = ibands + 'mosaic.tif'

arr[i, :, :] = tiff.imread(file2read)

os.remove(file2read)

plot_rgb(arr, rgb=(0, 1, 2))

3.小结 大功告成！