Python遥感图像处理应用篇(二十二)：Python+GDAL 批量等距离裁剪影像

这是我打算发布的关于如何使用 Python 编程语言处理地理空间数据的系列中的第一篇。在该领域工作几年后，我注意到有许多来自地球科学和相关领域的专业人士不是程序员，但在某种程度上需要使用编程语言来执行分析、数学计算或简单地自动化工作流程。通常，这些专业人士很难实现这一目标。如果没有适当的知识，他们最终会开发出复杂的代码，而不遵循容易出错的最佳实践，并且无法有效地处理地理空间领域的大量数据。在另一个极端，我们注意到 IT 专业人员掌握了编程概念，但不具备正确处理地理空间数据的知识。

利用Python处理遥感影像是一个广泛且复杂的主题，但幸运的是，有许多强大的库和工具可以帮助我们高效地完成任务。以下是一些常用的库和方法，以及一个基本的处理流程示例。

在本教程中，我们将学习使用 Python 和地理空间数据抽象库 GDAL 自动处理栅格数据的基本技术。

续-上一篇中使用csv文件计算的相关系数热力图，本篇我们直接使用遥感图像来计算图像波段之间的相关系数。

在遥感图像处理中，计算纹理特征是一种常见的方法来描述图像中不同区域之间的纹理差异。本文主要是用GLCM来计算遥感图像的纹理特征。

计算思路：（1）分别提取参考影像和分类影像像元值，通过GDAL读取栅格影像数据的像元值，使用pandas保存到dataframe中，第一列使用FID记录像元ID,第二列记录像元值。（2）合并两个dataframe为新的dataframe，参考影像中像元值包含实际类别以及背景值0值，我们需要删除背景值所对应的像元，因此，根据删除像元值为0的数据。（3）分别读取上述结果中的参考像元和分类像元对应的值，获得参考值和分类值两个序列的数值。（4）对上述两个系列的值进行精度计算和制图可视化分析。

在第一篇文章中，我们使用了我们导入的软件包中已定义的函数，如 rasterio 中的 open 和 read 以及 matplotlib 中的 imshow。现在，我们可以编写自己的函数了。函数是一段代码，它接收一些参数作为输入并返回输出（经过一些计算），可以在代码中多次重复使用，也可以被其他代码重用。在 Python 中定义一个新函数非常简单。return v在此语法示例中，arg1和arg2强制参数，应该传递给函数，否则会引发错误，而arg3是一个可选参数，如果是，则假定默认值 1从函数调用中省略。

本篇接着上一篇（Python遥感图像处理应用篇(四)：python如何使用numpy读取遥感图像光谱值）继续深入，对遥感图像做卷积运算处理 1.基本思路 1.1 设置卷积核 这里就用3*3大小的卷积核吧，可以根据需求任意设置卷积核数据达到图像均衡化、锐化、边缘增强等不同效果。 1.2 中心像元周围像元对应位置读取 中心像元位置为i，j 2.通过代码进行计算 代码如下，没有包装成函数，这里直接顺序计算了： 这里计算的是第一波段的遥感影像数据： import io import nu

python 遥感图像处理This isn’t normal content for my blog, but I thought a post here might reach people who would be interested in the job. Don’t worry, normal service will be resumed shortly – this isn’t go...

Python遥感图像处理主要采用python编程语言，使用arcpy以及gdal等库进行遥感图像数据处理及应用。包括遥感图像的拼接、镶嵌、裁剪、格式转换等基础与处理操作以及常用遥感指数的批量计算，比如NDVI\EVI等遥感指数的计算与应用。 遥感影像数据往往数量众多，而且是具有标准分幅大小的，具有统一的格式、坐标系统等标准化信息，因此，通常需要对遥感图像进行大批量处理。本专栏主要采用批处理的方式去完成。 比如使用数据为MRT处理后的tif格式Modis数据，前期批下载、批处理具体处理过程之前博文有所介绍