开源GIS相关

2019-09-27--GDAL

2019-09-29  本文已影响0人  qiwener

1. 利用GDAL处理JPG图像

(1)利用GDAL把array存成JPEG

利用GDAL库函数创建图像时,一般会用到GDALDriver类Create()函数,但是Create()函数不支持JPEG、PNG等格式,不过,CreateCopy()支持这些格式,所以根据已有的图像数据,不能直接创建jpg、png格式的图像,而要借助GDAL的MEM内存文件,来创建他们。

用GDAL存储图像时的顺序为BGR(一般彩色图像都是以BGR存储),但读取图像的顺序为RGB。

(2)利用GDAL把图像转换为JPEG

'''
-of 输出格式,默认GTiff。可以修改为所有GDAL支持的格式
-co create option。每种格式都有规定的co,需要查看格式说明。如:JPEG格式,可以使用WORLDFILE=YES(生成worldfile文 件).
-QUALITY=75(设置压缩率,默认是75%,只能取10~100范围的值,>95无法提高质量,但会增大文件)。
-b n:指定第几个波段对应的源数据波段数n。可以有多个。如果不指定,默认情况下是一一对应。
-a_srs assign srs指定的坐标系统。
'''
 # 设置jpg的压缩率
gdal_translate -of JPEG -co WORLDFILE=YES -co QUALITY=75 j50c4.vrt translatejpeg75.jpg

# 将四波段RGBA的tif转换成JPEG RGB。
gdal_translate -of JPEG -b 1 -b 2 -b 3 source.tif test.jpg

# 重新定义源图像的坐标系统(不能变换,只能定义,不改变图像值)
gdal_translate -a_srs EPSG:32650 -of GTiff J50_lonlat-L12.tif j50-2.tif

2. python不同图像库读取、存储图像时的差异记录

(1)数据维度

数据维度为:[Height, Width, Channel] or [Channel, Height, Width]
其中,channel也有顺序,一般是3波段数channels=3,但是顺序有差异,例如opencv对于读进来的图片的通道排列是BGR,而不是主流的RGB(其他图像库的一般是RGB,cv2的大坑)。

(2)opencv

opencv读入图片的矩阵格式是:(height,width,channels),读进来直接是numpy array,数据类型是uint8,可以按照numpy array进行数据操作。

import cv2
import numpy as np
#读入图片:默认彩色图,cv2.IMREAD_GRAYSCALE灰度图,cv2.IMREAD_UNCHANGED包含alpha通道
img = cv2.imread('1.jpg')
cv2.imshow('src',img)
print(img.shape) # (h,w,c)
print(img.size) # 像素总数目
print(img.dtype)
print(img)
cv2.waitKey()

#opencv读入的矩阵是BGR,如果想转为RGB,可以这么转
img4 = cv2.imread('1.jpg')
img4 = cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)

或者,使用这种方式,调整通道顺序channel或band:

im_data_2 = im_data[::-1, :, :]     # RGB2BGR   C*H*N

上述代码中,在通道顺序为 [Channel, Width, Height]的情况下,第一维度是channel;这种情况下需要确定channel的波段顺序是什么,是RGB,还是BGR。可以利用代码中“ im_data[::-1, :, :] ”实现调整,第一维度逆序调整,第2,3维度不变。

(3)PIL Image

PIL读进来的图像是一个对象,而不是我们所熟知的numpy 矩阵。其他库读进来的图片都是以numpy 矩阵。

from PIL import Image
import numpy as np
img = Image.open('1.jpg')
print(img.format)    # JPG format
print(img.size)     # (w,h)
print(img.mode)  # L为灰度图,RGB为真彩色,RGBA为加了透明通道
img.show() # 显示图片

gray = Image.open('1.jpg').convert('L')   # 转换为灰度图

#pillow读进来的图片不是矩阵,将图片转矩阵,channel last
arr = np.array(img)
print(arr.shape)   # [Height, Width, Channel] 
print(arr.dtype)   # uint8
# print(arr)   # print array 

#矩阵再转为图像
new_im = Image.fromarray(arr)
new_im.save('new.png')

#分离合并通道
r, g, b = img.split()
img = Image.merge("RGB", (b, g, r))
img = img.copy() #复制图像

# 利用ROI裁切感兴趣区域的图像
roi = img.crop((0,0,300,300)) #(左上x,左上y,右下x,右下y)坐标
roi.show()  # show ROI picture

(4)skimage:skimage.io.imread

skimage可以读取超过3波段的图像。图像也是以numpy array形式读入。

from skimage import io

im = io.imread('1.jpg')
print(im.shape)    # numpy矩阵,(h,w,c)
print(im.dtype)    # uint8
print(im.size)    # h*w
io.imshow(im)
io.imsave('sk.png',im)   # save as other picture
print(im)

im2 = io.imread('1.jpg',as_grey=True)  #读入灰度图,但是灰度图像的矩阵的值被归一化了。
#也可以以这种方式获得灰度图:
from skimage import color
im3 = io.imread('1.jpg')
im3 = color.rgb2grey(im3)
print(im3.dtype)
print(im3.size)
print(im3.shape)
io.imshow(im3)
io.show()
'''
skimage.color.rgb2grey(rgb)
skimage.color.rgb2hsv(rgb)
skimage.color.rgb2lab(rgb)
skimage.color.gray2rgb(image)
skimage.color.hsv2rgb(hsv)
skimage.color.lab2rgb(lab)
'''

(5)matplotlib:matplotlib.image.imread

绘图工具库。plt.imread读入的就是一个矩阵,跟opencv一样,但彩图读进的是RGB,与opencv有区别

import matplotlib.pyplot as plt
import numpy as np

image = plt.imread('1.jpg')
plt.imshow(image)
plt.show()

#也可以关闭显示x,y轴上的数字
image = plt.imread('1.jpg')
plt.imshow(image)
plt.axis('off')
plt.show()

im_r = image[:,:,0] #红色通道
plt.imshow(im_r)
plt.show()
#此时会发现显示的是热量图,不是我们预想的灰度图,可以添加 cmap 参数解决
plt.imshow(im_r,cmap='Greys_r')
plt.show()

(6)总结

————————————————
参考转载自:
https://blog.csdn.net/hong__fang/article/details/42266215
http://blog.sina.com.cn/s/blog_a7ebc03b0102xaqg.html
https://www.cnblogs.com/skyfsm/p/8276501.html

上一篇下一篇

猜你喜欢

热点阅读