python gdal：hdf转tif

比较多的人用arcpy转换hdf文件（https://blog.csdn.net/Orange_GISer/article/details/122978951?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-5.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-5.pc_relevant_default&utm_relevant_index=7），但是感觉一直有点问题，本文参考：https://zhuanlan.zhihu.com/p/133226223，但是这个代码的GeoTransform的计算应该是有问题的。

步骤主要是读取属性值/经纬度
保存为tif时，最重要的是 GeoTransform的构建

注意GeoTransform是一个含有6个参数的array，六个参数分别是：
GeoTransform[0] top left x 左上角x坐标
GeoTransform[1] w-e pixel resolution 东西方向像素分辨率
GeoTransform[2] rotation, 0 if image is “north up” 旋转角度，正北向上时为0
GeoTransform[3] top left y 左上角y坐标
GeoTransform[4] rotation, 0 if image is “north up” 旋转角度，正北向上时为0
GeoTransform[5] n-s pixel resolution 南北向像素分辨率
x/y为图像的x/y坐标，geox/geoy为对应的投影坐标

比如，对没有旋转的栅格数据，参数2 4均可直接设置为0。

PS. 为防止参考文章丢失，贴出一份代码，希望大家还是去原链学习，博主写的非常详细

import gdal, osr
import numpy as np
import os#  数组保存为tif
def array2raster(TifName, GeoTransform, array):cols = array.shape[1]  # 矩阵列数rows = array.shape[0]  # 矩阵行数driver = gdal.GetDriverByName('GTiff')outRaster = driver.Create(TifName, cols, rows, 1, gdal.GDT_Float32)# 括号中两个0表示起始像元的行列号从(0,0)开始outRaster.SetGeoTransform(tuple(GeoTransform))# 获取数据集第一个波段，是从1开始，不是从0开始outband = outRaster.GetRasterBand(1)outband.WriteArray(array)outRasterSRS = osr.SpatialReference()# 代码4326表示WGS84坐标outRasterSRS.ImportFromEPSG(4326)outRaster.SetProjection(outRasterSRS.ExportToWkt())outband.FlushCache()#  hdf批量转tif
def hdf2tif_batch(hdfFolder):#  获取文件夹内的文件名hdfNameList = os.listdir(hdfFolder)for i in range(len(hdfNameList)):#  判断当前文件是否为HDF文件if(os.path.splitext(hdfNameList[i])[1] == ".hdf"):hdfPath = hdfFolder+"/"+hdfNameList[i]#  gdal打开hdf数据集datasets = gdal.Open(hdfPath)#  获取hdf中的元数据Metadata = datasets.GetMetadata()#  获取四个角的维度Latitudes = Metadata["GRINGPOINTLATITUDE.1"]#  采用", "进行分割LatitudesList = Latitudes.split(", ")#  获取四个角的经度Longitude = Metadata["GRINGPOINTLONGITUDE.1"]#  采用", "进行分割LongitudeList = Longitude.split(", ")# 图像四个角的地理坐标GeoCoordinates = np.zeros((4, 2), dtype = "float32")GeoCoordinates[0] = np.array([float(LongitudeList[0]),float(LatitudesList[0])])GeoCoordinates[1] = np.array([float(LongitudeList[1]),float(LatitudesList[1])])GeoCoordinates[2] = np.array([float(LongitudeList[2]),float(LatitudesList[2])])GeoCoordinates[3] = np.array([float(LongitudeList[3]),float(LatitudesList[3])])#  列数Columns = float(Metadata["DATACOLUMNS"])#  行数Rows = float(Metadata["DATAROWS"])#  图像四个角的图像坐标PixelCoordinates = np.array([[0, 0],[Columns - 1, 0],[Columns - 1, Rows - 1],[0, Rows - 1]], dtype = "float32")#  计算仿射变换矩阵from scipy.optimize import leastsqdef func(i):Transform0, Transform1, Transform2, Transform3, Transform4, Transform5 = i[0], i[1], i[2], i[3], i[4], i[5]return [Transform0 + PixelCoordinates[0][0] * Transform1 + PixelCoordinates[0][1] * Transform2 - GeoCoordinates[0][0],Transform3 + PixelCoordinates[0][0] * Transform4 + PixelCoordinates[0][1] * Transform5 - GeoCoordinates[0][1],Transform0 + PixelCoordinates[1][0] * Transform1 + PixelCoordinates[1][1] * Transform2 - GeoCoordinates[1][0],Transform3 + PixelCoordinates[1][0] * Transform4 + PixelCoordinates[1][1] * Transform5 - GeoCoordinates[1][1],Transform0 + PixelCoordinates[2][0] * Transform1 + PixelCoordinates[2][1] * Transform2 - GeoCoordinates[2][0],Transform3 + PixelCoordinates[2][0] * Transform4 + PixelCoordinates[2][1] * Transform5 - GeoCoordinates[2][1],Transform0 + PixelCoordinates[3][0] * Transform1 + PixelCoordinates[3][1] * Transform2 - GeoCoordinates[3][0],Transform3 + PixelCoordinates[3][0] * Transform4 + PixelCoordinates[3][1] * Transform5 - GeoCoordinates[3][1]]#  最小二乘法求解GeoTransform = leastsq(func,np.asarray((1,1,1,1,1,1)))#  获取数据时间date = Metadata["RANGEBEGINNINGDATE"]#  第一个子数据集合,也就是NDVI数据DatasetNDVI = datasets.GetSubDatasets()[0][0]RasterNDVI = gdal.Open(DatasetNDVI)NDVI = RasterNDVI.ReadAsArray()TifName = date + ".tif"array2raster(TifName, GeoTransform[0], NDVI)print(TifName,"Saved successfully!")hdf2tif_batch(r"E:\Remote_Sensing_Data\TVDI\MOD13A3\2012")

python gdal：hdf转tif相关推荐

Python gdal库读取tif文件
from osgeo import gdal # GDAL库主要提供对栅格数据的处理,使用抽象数据模型来解析所支持的数据格式 import filename_cut as fc import matp ...
python gdal 选择通道将tif格式影像转换为png
def RGBNir_tiftoRGB_PNG():options = gdal.TranslateOptions(format='PNG', bandList=[4, 3, 2])gdal.Tran ...
python 调用HEG工具批量处理modis数据将hdf转为tif
python 调用HEG工具批量处理modis数据将hdf转为tif 搞了2.3天才搞定,在这里做个记录,希望可以帮到需要的朋友. HEG工具安装需要的准备工作: 一.. JAVA安装. 电脑上没有 ...
Python Gdal 栅格数据处理之hgt转tif数据
Python Gdal 栅格数据处理之.hgt转.tif数据 1 介绍 2 Python代码 3 结果展示 1 介绍 SRTM是地形数据,其存储形式为.hgt格式,根据精度的不同可以分为两种:SR ...
python/gdal处理遥感影像（读取、投影转换、裁剪、建立图像金字塔等）
python/gdal处理遥感影像(读取.投影转换.裁剪.建立图像金字塔等) gdal库简单介绍 python使用gdal 一.安装python环境二.安装gdal库三.使用gdal处理遥感影像 ...
Python+GDAL几何校正任意自带经纬度数据的遥感影像
目录前言构建虚拟数据集几何校正完整代码前言李民录老师在他的博客中使用C++ GDAL的gdaltranslate.exe.gdalwarp.exe等工具对FY3A_MERSI数据进行了几何 ...
python 读取geotiff_科学网—利用python GDAL库读写geotiff格式的遥感影像方法 - 张伟的博文...
(1)利用python GDAL库读写geotiff格式的遥感影像方法,具有很好的参考价值,不错! from osgeo import gdal import numpy as np def read ...
python基础教程：python+gdal+遥感图像拼接(mosaic)的实
这篇文章主要介绍了python+gdal+遥感图像拼接(mosaic)的实例,具有很好的参考价值,希望对大家有所帮助.一起跟随小编过来看看吧作为摄影测量与遥感的从业者,笔者最近开始深入研究gdal, ...
python gdal 重采样_Python遥感影像重采样
图像重采样就是从高分辨率遥感影像中提取出低分辨率影像,或者从低分辨率影像中提取高分辨率影像的过程.使用python和gdal实现图像重采样的方法有多种,下面介绍两种. (1) 使用ReadAsA ...
基于Python+GDAL实现nc格式转geotiff格式
基于Python+GDAL实现nc格式转geotiff格式 1. 目的 2. 版本 3. 基础知识 3.1 什么是nc文件? 3.2 基于Python处理nc文件需要用到的库 4. 程序示例 5. ...

python gdal：hdf转tif

python gdal：hdf转tif相关推荐

最新文章

热门文章