本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于腾讯云，作者：bugsuse。
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。
if __name__ == '__main__':
tiffileList = [r'PathofLandsat8\LC08_L1TP_118039_0126_0330_01_T1',
r'PathofLandsat8\LC08_L1TP_118040_0126_0330_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！
