Python干货 | 遥感影像拼接

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。

def getRowCol(left, bottom, right, top):
    cols = int((right - left) / 30.0)
    rows = int((top - bottom) / 30.0)
    return cols, rows

主程序，其中plot_rgb为上一篇推送中用到的函数。

if __name__ == '__main__':
    tiffileList = [r'PathofLandsat8LC08_L1TP_118039_20160126_20170330_01_T1',
                   r'PathofLandsat8LC08_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！