RSer工作时不可避免会用到大型的遥感影像,由于分辨率过高、区域过大、波段信息过多等原因,都会导致数据非常的大。这个时候我们在进行一些简单的操作,如计算NDVI、二值化、分类等时,计算机的内存都会溢出。因此今天跟大家分享一下我平时分块的方法,中间如何计算就按照自己的需求来即可。
RSer工作时不可避免会用到大型的遥感影像,由于分辨率过高、区域过大、波段信息过多等原因,都会导致数据非常的大。这个时候我们在进行一些简单的操作,如计算NDVI、二值化、分类等时,计算机的内存都会溢出。因此今天跟大家分享一下我平时分块的方法,中间如何计算就按照自己的需求来即可。
原创作者:RS迷途小书童
博客地址:https://blog.csdn.net/m0_56729804?type=blog
1 忽略警告信息
由于GDAL版本的更新,现在运行代码都会有一条警告Warning,但不影响程序,我有强迫症所以必须没有警告。另外就是指定Proj库的路径,以免坐标系进行警告。
2 代码部分
代码的思路就是按照设定好的块滑动处理影像,并按照原始的排列顺序将处理后的重新写入即可。中间计算部分可以按照自己需求来。
"""
@Time : 2023/6/25 16:28
@Auth : RS迷途小书童
@File :Raster Data Block Processing.py
@IDE :PyCharm
@Purpose:栅格数据分块处理
@Web:博客地址:https://blog.csdn.net/m0_56729804
"""
import os
import numpy as np
from osgeo import gdal
gdal.DontUseExceptions()
os.environ['PROJ_LIB'] = 'G:/Anaconda/envs/pyDL/Lib/site-packages/osgeo/data/proj'
os.environ['GDAL_DATA'] = 'G:/Anaconda/envs/pyDL/Lib/site-packages/osgeo/data'
def block_big_image(input_path: str, output_path: str, block_size: int) -> None:
"""
:param input_path: 输入需要处理的影像
:param output_path: 输出路径
:param block_size: 输入块的大小
:return: None
"""
ds = gdal.Open(input_path, gdal.GA_ReadOnly)
if not ds:
print(f"无法打开文件 {input_path}")
return
ds_width = ds.RasterXSize
ds_height = ds.RasterYSize
ds_geo = ds.GetGeoTransform()
ds_prj = ds.GetProjection()
driver = gdal.GetDriverByName('GTiff')
ds_result = driver.Create(output_path, ds_width, ds_height, 1, gdal.GDT_Float64,
options=["TILED=YES", "COMPRESS=LZW", "BIGTIFF=YES"])
ds_result.SetGeoTransform(ds_geo)
ds_result.SetProjection(ds_prj)
for y in range(0, ds_height, block_size):
for x in range(0, ds_width, block_size):
x_size = min(block_size, ds_width - x)
y_size = min(block_size, ds_height - y)
array_green = ds.GetRasterBand(2).ReadAsArray(x, y, x_size, y_size).astype(np.float64)
array_nir = ds.GetRasterBand(4).ReadAsArray(x, y, x_size, y_size).astype(np.float64)
b1 = array_green - array_nir
b2 = array_green + array_nir
array_result = np.divide(b1, b2, out=np.zeros_like(b2), where=b2 != 0)
array_result = np.where(array_result > 0.2, 1, 0)
ds_result.GetRasterBand(1).WriteArray(array_result, x, y)
del array_green, array_nir, array_result, b1, b2, x_size, y_size
ds_result.FlushCache()
del ds, ds_width, ds_height, ds_prj
if __name__ == "__main__":
input_path1 = r'Y:\彭俊喜\1.tif'
output_path1 = r'Y:\彭俊喜\2.tif'
block_big_image(input_path1, output_path1, 256)

在遥感影像处理中,面对高分辨率、大区域及多波段数据带来的巨大挑战,内存溢出成为常见难题。本博客旨在分享一种高效应对策略——影像分块处理法。通过将大型遥感影像分割成多个小块,独立处理后再整合结果,有效缓解了内存压力,使得NDVI计算、二值化、分类等操作得以顺畅进行。此方法灵活易行,为RSer在处理大数据集时提供了实用参考,助力提升工作效率与数据处理能力。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 10亿数据,如何做迁移?
· 推荐几款开源且免费的 .NET MAUI 组件库
· 清华大学推出第四讲使用 DeepSeek + DeepResearch 让科研像聊天一样简单!
· c# 半导体/led行业 晶圆片WaferMap实现 map图实现入门篇
· 易语言 —— 开山篇