python影像裁剪并保存成tiff格式（规则网格法）

最新推荐文章于 2025-06-11 22:19:43 发布

一只眠羊e

最新推荐文章于 2025-06-11 22:19:43 发布

阅读量3.1k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：机器学习笔记文章标签： python 深度学习 numpy

本文链接：https://blog.csdn.net/m0_50294896/article/details/117166391

本文介绍如何使用Python读取Landsat 8数据，通过波段叠加和mask矩阵操作，将影像裁剪为256x256大小，并以TIF格式保存。内容涉及数据预处理、数组操作及图像裁剪技术。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上一篇文章简单介绍了波段的叠加，本文对叠加的波段进行影像裁剪，输出是channels×256×256的tiff格式。本文构建了相应的mask矩阵加在了channel的最后一个通道。

数据准备

波段的读取可以参考python批量读取landsat8的波段，具体的函数整理数据的函数在这篇文章都介绍的很详细，这里不再重复，我们直接用它的返回列表。

波段叠加的具体方式参考python矩阵堆叠-实现遥感影像波段叠加，这些都是博主刚刚更新过的内容，这里直接拿来用。

from read_landsat8 import read_landsat8_bands
import numpy as np
from osgeo import gdal_array

def get_img(base_path):
    """
    叠加波段的简单demo
    与mask矩阵一起构建成3维数组结构"""
    bands = read_landsat8_bands(base_path)

    # 读取数据
    B1_gdal = gdal_array.LoadFile(bands[0][0])
    B2_gdal = gdal_array.LoadFile(bands[0][1])
    B3_gdal = gdal_array.LoadFile(bands[0][2])

    # 转化成ndarray形式
    B1_np = np.array(B1_gdal)
    B2_np = np.array(B2_gdal)
    B3_np = np.array(B3_gdal)
    print(B1_np.shape)

    B123 = np.stack([B1_np, B2_np, B3_np], axis=0)
    print(B123.shape)  # 3,7301,7341

    # 构建0-1 mask矩阵
    height = B123.shape[1]
    width = B123.shape[2]
    mask = np.random.randint(0, 2, (1, height, width))

    # 按照通道堆叠
    img = np.concatenate([B123, mask], axis=0)

    return img

这里得到的img其实是一个3维数组，在本例中，它的维度是
4×7301×7341

envi查看一下堆叠后的图像
在这里插入图片描述

图像裁剪

有了上面构建的img数据，再设定一个裁剪尺寸，我们就可以进行图像裁剪了。

def crop_img(img, cropsize):
    """
    裁剪图像为指定格式并保存成tiff
    输入为array形式的数组
    """
    num = 0
    height = img.shape[1]
    width = img.shape[2]

    # 从左上开始裁剪
    for i in range(int((height)