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. ...
最新文章
- 一文掌握异常检测的实用方法 | 技术实践
- 优化改良版:数组,List,等集合需要加逗号或其它符合转成字符串
- 微软摊开 AI 高分作业,在线求抄
- c++自定义的数据库类
- NCTF2019 -- PWN部分writeup
- C#实现POST提交方式
- Android之基于xmpp openfire smack开发之smack类库介绍和使用[2]
- SIP 中的Dialog,call,session 和 transaction .
- git clone 出现fatal: unable to access ‘https://github 类错误解决方法
- Java Timer
- 系统测试包含哪几部分?
- RMS (Rights Management Services)基于SDK2.1的二次开发环境搭建
- stm32h7 串口idle_【STM32H7教程】第30章 STM32H7的USART应用之八个串口FIFO实现
- Java Swing中的下拉式菜单(menu)、弹出式菜单(JPopupMenu)、选项卡窗体(JTabbedPane),TextArea右键菜单 组件使用案例
- 基于R语言的文本挖掘技术
- 2017 ACM Arabella Collegiate Programming Contest A. Sherlock Bones GYM101350A
- 黑客入门常用的8种工具
- java无法解析zip
- html下拉式日历,C#实现日历样式的下拉式计算器
- IPD百科 | IPD产品管理体系中产品经理能力模型