由于本人是个小白，本篇文章主要为了记录自己的摸索过程，文中一些名词描述可能不是很准确，我尽量说清楚整个处理的流程。文章大多代码都是参考或者直接使用其他前辈的代码，文中会给出一些前辈的文章链接。
任务背景
给定某区域的影像，我们需要用它来制作遥感影像的语义分割数据集。由于目标区域的影像大概率不是规则形状，在影像变为栅格数据时，其中很可能包含一些无效区域（这里一定要注意！）。为完成数据集制作这个目标，主要有两个不同的方式（方向），第一种是用arcgis这类软件来标注，得到相应的标注结果；另一种方法是将原始tiff影像转变为普通图片格式，之后在利用例如labelme这种软件来标注。
用ArcGIS来标注
这里给出当初的参考：
转为普通图片格式
转为普通图片的重点在于，将辐射值从0到几千大小的辐射值标定到[0,255]范围内。在影像拉伸上，一些博主已经写了一些总结，没什么问题。但是需要十分注意的地方是，影像中存在nodata的处理。
先给出我最开始使用的影像拉伸代码：
def stretchImg(imgPath, resultPath, lower_percent=0.5, higher_percent=99.5):
"""
#将光谱DN值映射至0-255，并保存
:param imgPath: 需要转换的tif影像路径（***.tif）
:param resultPath: 转换后的文件存储路径(***.jpg)
:param lower_percent: 低值拉伸比率
:param higher_percent: 高值拉伸比率
:return: 无返回参数，直接输出图片
"""
RGB_Array = readTif(imgPath)
band_Num = RGB_Array.shape[2]
JPG_Array = np.zeros_like(RGB_Array, dtype=np.uint8)
for i in range(band_Num):
minValue = 0
maxValue = 255
# 获取数组RGB_Array某个百分比分位上的值
low_value = np.percentile(RGB_Array[:, :, i], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i], higher_percent)
temp_value = minValue + (RGB_Array[:, :, i] - low_value) * (maxValue - minValue) / (high_value - low_value)
temp_value[temp_value < minValue] = minValue
temp_value[temp_value > maxValue] = maxValue
JPG_Array[:, :, i] = temp_value
outputImg = Image.fromarray(np.uint8(JPG_Array))
outputImg.save(resultPath)
————————————————
原文链接：https://blog.csdn.net/zcq0525/article/details/119618043
下面是我踩坑的过程：
我最开始并不知道nodata这个属性，然后转换出来的结果为看起来是黑白的影像，后来我debug看了下，发现影像中有65535这个值，最开始我并不清楚这个值十分合理，只是觉得有点特别，且数值太大。后来我发现，影像中是有无效区域的，对于无效的区域到底赋值了什么呢？是不是这个65535?若是65535，这个值太大了，而且对于我处理的那张原图，无效区域占比很多，即使百分比截断，取值上限仍然是65535，这很可能就是导致影像转变之后总是黑白的原因。后来我把图中等于65535的地方的值改为了0，影像就不再是看起来黑白的了。
然而新的问题又出现了，我按照他人的代码，转换出来虽然能看到图中的各种类别的物体，但是总是感觉像是有一层薄雾覆盖了整张图。若是我没在arcgis打开，看到影像我可能觉得就是有雾，但是有点奇怪地覆盖了整张图。然而，我用arcgis打开过，在arcgis中并没有出现这种薄雾，它的百分率阶段地取值和我差不多，我把gamma校正关闭，影像仍然不带有”薄雾”。
所以是什么造成了我转换的时候出现”薄雾”这种现象呢？我试了一些方法，其中有两个比较有启示和指导作用。
其一、我把有”薄雾”的数据放到了arcgis中，发现它竟然显得的时候没有用其他图片查看器看到了那种”薄雾”，我人傻了，这*。我想是arcgis所用的线性拉伸不一样吗？应该不大可能吧，我检查了线性拉伸的代码实现没啥问题呀，难道是arcgis做了其他的数据处理操作，但是我不知道做了什么？嗯，肯定arcgis这么干了，肯定是的，我这样干没毛病。
其二、我各种尝试，我开始各种调上面的stretchImg函数的lower_percent和higher_percent的值，然后发现竟然可以出现不带”薄雾”的影像，太**离谱了，发什么了，为什么可以这样？当时我是熬夜到了很久，脑子懵了，没想到，我就先放弃了。第二天我终于发现自己干得不太合理的地方，我把65535变成0就没问题吗？这样不是把原来过大值得影像放到了最小值上面？这可真是菜dog行为，自己当时还完全不自知，为自己得智商捉急…
终于，我尝试了在做百分比截断统计各个辐射值个数时，把65536排除在外，终于，终于，它正常了！下面是我后来用的一些代码，做了一些简单注释，代码存在部分冗余，功能畅通，美感稀碎，还请各位忽略，或者自己完善一下。
import gdal
import os
import cv2
import numpy as np
读取tif数据集
def readTif(fileName, xoff = 0, yoff = 0, data_width = 0, data_height = 0):
dataset = gdal.Open(fileName, gdal.GA_ReadOnly)
if dataset == None:
print(fileName + "文件无法打开")
# 栅格矩阵的列数
width = dataset.RasterXSize
# 栅格矩阵的行数
height = dataset.RasterYSize
# 波段数
bands = dataset.RasterCount
assert bands >= 1, "the band of data is less than 1, please check the data!"
first_band = dataset.GetRasterBand(1)
nodata_value = first_band.GetNoDataValue() # 获取影像的nodata_value，用于后面影像拉伸时，提出nodata的干扰，踩坑密集区
# 获取数据
if(data_width == 0 and data_height == 0):
data_width = width
data_height = height
data = dataset.ReadAsArray(xoff, yoff, data_width, data_height)
# 获取仿射矩阵信息
geotrans = dataset.GetGeoTransform()
# 获取投影信息
proj = dataset.GetProjection()
first_band = None
dataset = None
return width, height, bands, data, geotrans, proj, nodata_value
保存tif文件函数（我没验证这部分）
def writeTiff(im_data, im_geotrans, im_proj, path):
if 'int8' in im_data.dtype.name:
datatype = gdal.GDT_Byte
elif 'int16' in im_data.dtype.name:
datatype = gdal.GDT_UInt16
else:
datatype = gdal.GDT_Float32
if len(im_data.shape) == 3:
im_bands, im_height, im_width = im_data.shape
elif len(im_data.shape) == 2:
im_data = np.array([im_data])
im_bands, im_height, im_width = im_data.shape
#创建文件
driver = gdal.GetDriverByName("GTiff")
dataset = driver.Create(path, int(im_width), int(im_height), int(im_bands), datatype)
if(dataset!= None):
dataset.SetGeoTransform(im_geotrans) #写入仿射变换参数
dataset.SetProjection(im_proj) #写入投影
for i in range(im_bands):
dataset.GetRasterBand(i+1).WriteArray(im_data[i])
del dataset
影像拉伸
def stretchImg(rgb_array, lower_percent=0.5, higher_percent=99.5, nodata_value=None):
"""
# 将光谱DN值映射至0-255，并保存
:rgb_array: 用gdal读取之后的RGB三通道影像的辐射值
:param lower_percent: 低值拉伸比率
:param higher_percent: 高值拉伸比率
:nodata_value: 影像种nodata的值
"""
RGB_Array = rgb_array.copy()
band_Num = RGB_Array.shape[2]
IMG_Array = np.zeros_like(RGB_Array)
for i in range(band_Num):
minValue = 0
maxValue = 255
# 获取数组RGB_Array某个百分比分位上的值
if nodata_value is not None:
low_value = np.percentile(RGB_Array[:, :, i][RGB_Array[:, :, i]!=ndv], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i][RGB_Array[:, :, i]!=ndv], higher_percent)
else:
low_value = np.percentile(RGB_Array[:, :, i], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i], higher_percent)
temp_value = minValue + (RGB_Array[:, :, i] - low_value) * (maxValue - minValue) / (high_value - low_value)
temp_value[temp_value < minValue] = minValue
temp_value[temp_value > maxValue] = maxValue
IMG_Array[:, :, i] = temp_value
return IMG_Array
if __name__ == "__main__":
rs_path = "***.tif" # 原始影像的路径
im_path = "***.png" # 处理之后图片的储存路径
# print(gdal.Info(rs_path))
width, height, bands, data, geotrans, proj, ndv = readTif(rs_path)
arr = data.transpose(1, 2, 0)
t_arr = arr[:, :, 0:3]
image = t_arr.copy()
# print("max value：", t_arr.max())
# print("min value：", t_arr.min())
output_img = stretchImg(image, lower_percent=1, higher_percent=99.5, nodata_value=ndv).astype(np.uint8)
cv2.imwrite(im_path, output_img)
新坑记录
在Uint16格式下，上述代码没问题，但是，在Uint32下面，上面的代码出现了卡顿在stretchImg()函数那里，尝试了各种办法，效果都不太行（我太菜）。当然，可以将Uint32转为Uint16然后用上面的代码来处理。但是，为了代码的通用性，我还是在试着解决问题，最后的解决方法我自己也很震惊，至今不知道为啥，但是它就是可以…(为了快速使用，先放出来作为参考）。其实改动也很小，就是把stretchImg函数改动了一下下，它就好了。是的，它就好了（摊手手~）。下面给出代码
import os
import gdal
import numpy as np
import cv2
from PIL import Image
import matplotlib.pyplot as plt
import sys
import time
设置IO读取超大图片，防止报错
os.environ["OPENCV_IO_MAX_IMAGE_PIXELS"] = pow(2,40).__str__()
Image.MAX_IMAGE_PIXELS = 100000000000
os.environ['PROJ_LIB'] = "/home/dmt/anaconda3/envs/mmlab/share/proj"
读取tif数据集
def readTif(fileName, xoff = 0, yoff = 0, data_width = 0, data_height = 0):
dataset = gdal.Open(fileName, gdal.GA_ReadOnly)
if dataset == None:
print(fileName + "Cannot open!")
# 栅格矩阵的列数
width = dataset.RasterXSize
# 栅格矩阵的行数
height = dataset.RasterYSize
# 波段数
bands = dataset.RasterCount
assert bands >= 1, "the band of data is less than 1, please check the data!"
first_band = dataset.GetRasterBand(1)
nodata_value = first_band.GetNoDataValue() # 获取影像的nodata_value，用于后面影像拉伸时，提出nodata的干扰，踩坑密集区
# 获取数据
if(data_width == 0 and data_height == 0):
data_width = width
data_height = height
data = dataset.ReadAsArray(xoff, yoff, data_width, data_height)
# 获取仿射矩阵信息
geotrans = dataset.GetGeoTransform()
# 获取投影信息
proj = dataset.GetProjection()
first_band = None
dataset = None
return width, height, bands, data, geotrans, proj, nodata_value
保存tif文件函数
def writeTiff(im_data, im_geotrans, im_proj, path):
if 'int8' in im_data.dtype.name:
datatype = gdal.GDT_Byte
elif 'int16' in im_data.dtype.name:
datatype = gdal.GDT_UInt16
else:
datatype = gdal.GDT_Float32
if len(im_data.shape) == 3:
im_bands, im_height, im_width = im_data.shape
elif len(im_data.shape) == 2:
im_data = np.array([im_data])
im_bands, im_height, im_width = im_data.shape
#创建文件
driver = gdal.GetDriverByName("GTiff")
dataset = driver.Create(path, int(im_width), int(im_height), int(im_bands), datatype)
if(dataset!= None):
dataset.SetGeoTransform(im_geotrans) #写入仿射变换参数
dataset.SetProjection(im_proj) #写入投影
for i in range(im_bands):
dataset.GetRasterBand(i+1).WriteArray(im_data[i])
del dataset
保存tif文件函数
def writeTiffV2(im_data, im_geotrans, im_proj, path, data_type=None):
if data_type is not None:
if 'int8' in data_type:
datatype = gdal.GDT_Byte
elif 'int16' in data_type:
datatype = gdal.GDT_UInt16
elif 'int32' in data_type:
datatype = gdal.GDT_UInt32
else:
datatype = gdal.GDT_Float32
else:
if 'int8' in im_data.dtype.name:
datatype = gdal.GDT_Byte
elif 'int16' in im_data.dtype.name:
datatype = gdal.GDT_UInt16
elif 'int32' in im_data.dtype.name:
datatype = gdal.GDT_UInt32
else:
datatype = gdal.GDT_Float32
if len(im_data.shape) == 3:
im_bands, im_height, im_width = im_data.shape
elif len(im_data.shape) == 2:
im_data = np.array([im_data])
im_bands, im_height, im_width = im_data.shape
#创建文件
driver = gdal.GetDriverByName("GTiff")
dataset = driver.Create(path, int(im_width), int(im_height), int(im_bands), datatype)
if(dataset!= None):
dataset.SetGeoTransform(im_geotrans) #写入仿射变换参数
dataset.SetProjection(im_proj) #写入投影
for i in range(im_bands):
dataset.GetRasterBand(i+1).WriteArray(im_data[i])
del dataset
影像拉伸，处理Uint32数据会卡在这部分，不要用
def stretchImg_ori(rgb_array, lower_percent=0.5, higher_percent=99.5, nodata_value=None):
"""
#将光谱DN值映射至0-255，并保存
:rgb_array: 用gdal读取之后的RGB三通道影像的辐射值
:param lower_percent: 低值拉伸比率
:param higher_percent: 高值拉伸比率
:nodata_value: 影像种nodata的值
"""
# RGB_Array = rgb_array.copy()
RGB_Array = rgb_array
band_Num = RGB_Array.shape[2]
IMG_Array = np.zeros_like(RGB_Array)
for i in range(band_Num):
minValue = 0
maxValue = 255
# 获取数组RGB_Array某个百分比分位上的值
if nodata_value is not None:
low_value = np.percentile(RGB_Array[:, :, i][RGB_Array[:, :, i]!=nodata_value], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i][RGB_Array[:, :, i]!=nodata_value], higher_percent)
else:
low_value = np.percentile(RGB_Array[:, :, i], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i], higher_percent)
temp_value = minValue + (RGB_Array[:, :, i] - low_value) * (maxValue - minValue) / (high_value - low_value)
temp_value[temp_value < minValue] = minValue
temp_value[temp_value > maxValue] = maxValue
IMG_Array[:, :, i] = temp_value
print("Band {} has beed stretched!".format(i))
return IMG_Array
def stretchImg(rgb_array, lower_percent=0.5, higher_percent=99.5, nodata_value=None):
"""
#将光谱DN值映射至0-255，并保存
:rgb_array: 用gdal读取之后的RGB三通道影像的辐射值
:param lower_percent: 低值拉伸比率
:param higher_percent: 高值拉伸比率
:nodata_value: 影像种nodata的值
"""
# RGB_Array = rgb_array.copy()
RGB_Array = rgb_array
band_Num = RGB_Array.shape[2]
# IMG_Array = np.zeros_like(RGB_Array)
for i in range(band_Num):
minValue = 0
maxValue = 255
# 获取数组RGB_Array某个百分比分位上的值
if nodata_value is not None:
low_value = np.percentile(RGB_Array[:, :, i][RGB_Array[:, :, i]!=nodata_value], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i][RGB_Array[:, :, i]!=nodata_value], higher_percent)
else:
low_value = np.percentile(RGB_Array[:, :, i], lower_percent)
high_value = np.percentile(RGB_Array[:, :, i], higher_percent)
temp_value = minValue + (RGB_Array[:, :, i] - low_value) * (maxValue - minValue) / (high_value - low_value)
temp_value[temp_value < minValue] = minValue
temp_value[temp_value > maxValue] = maxValue
RGB_Array[:, :, i] = temp_value
print(time.strftime("%y%m%d-%H%M%S", time.localtime()))
print("Band {} has beed stretched!".format(i))
return RGB_Array
if __name__ == "__main__":
rs_path = "/***.tif" # 待处理的tif影像的路径
im_path = "***.png" # 要保存的图片路径
l_p = 2 # 用来线性拉伸的下界（百分位）
h_p = 98 # 用来线性拉伸的上界
print(gdal.Info(rs_path)) # 个人理解就是打印地理投影信息
now_t = time.strftime("%y%m%d-%H%M%S", time.localtime()) # 显示时间便于自己查看处理各步骤的耗时
print(now_t)
start_t = time.time()
print("Starting Function readTif...")
# 读取影像
width, height, bands, data, geotrans, proj, ndv = readTif(rs_path)
print("Finish Function readTif")
readtif_t = time.time() - start_t
print("readTif need {}s".format(readtif_t))
arr = data.transpose(1, 2, 0)
image = arr[:, :, 0:3]
now_t = time.strftime("%y%m%d-%H%M%S", time.localtime())
print(now_t)
print("executing Function stretchImg...")
output_img = stretchImg(image, lower_percent=l_p, higher_percent=h_p, nodata_value=ndv).astype(np.uint8)
print("Complete Function stretchImg...")
stretchimg_t = time.time() - start_t
print("stretchImg need {}s".format(stretchimg_t))
now_t = time.strftime("%y%m%d-%H%M%S", time.localtime())
print(now_t)
cv2.imwrite(im_path, output_img)
saveimg_t = time.time() - start_t
print("saveimg need {}s".format(saveimg_t))
now_t = time.strftime("%y%m%d-%H%M%S", time.localtime())
print(now_t)
Original: https://blog.csdn.net/Yeelinsen/article/details/121485997
Author: Yeelinsen
Title: 遥感影像制作语义分割数据集——摸索（踩坑）记录
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/640937/
转载文章受原作者版权保护。转载请注明原作者出处！