在python中，一般的影像處理庫或者繪圖庫無法處理或顯示遙感影像，例如Matplotlib，opencv，scipy等等，用這些庫讀取遙感影像數值會發生一定的錯誤，從而導致后續作業無法展開，因此我們需要用到GDAL這個庫，
GDAL的安裝
GDAL輪子安裝網址
找到與自己python相對應的版本即可
輪子安裝完成后，在終端cd到輪子的安裝位置，輸入pip install “檔案名”
這樣就完成GDAL的安裝了
批量讀取遙感影像
import os
from osgeo import gdal
filedir = "D:/img" # 圖片所在路徑
for image in os.listdir(filedir):
print(image)
driver = gdal.GetDriverByName("GTiff")
driver.Register()
img = gdal.Open(filedir + '/' + image)
im_width = img.RasterXSize # 柵格矩陣的列數
print("im_width:", im_width)
im_height = img.RasterYSize # 柵格矩陣的行數
print("im_height:", im_height)
band = img.GetRasterBand(1)
im_data = img.ReadAsArray(0, 0, im_width, im_height) # 獲取資料
print(im_data)
迭代法閾值選擇演算法
迭代法閾值選擇演算法是對雙峰法的改進，首先選擇一個近似的閾值T，將影像分割成兩份，R1和R2，分別計算出R1和R2的均值u1和u2，再選擇新的閾值T=(u1+u2)/2，重復以上步驟，直到u1和u2不再變化，
迭代法是基于逼近的思想，其步驟如下：
（1）求出影像的最大灰度值和最小灰度值，分別記為ZMAX和ZMIN，令初始閾值為T=(ZMAX+ZMIN)/2
（2）根據閾值T將影像分割為前景和背景，分別求出兩者的平均灰度值ZO和ZB
（3）求出新閾值T=(ZO+ZB)/2
（4）若兩個平均灰度值ZO和ZB不再發生變化（或T不再變化），則T為閾值，否則轉（2）迭代計算
完整代碼
import cv2
import os
import numpy as np
import pandas as pd
from osgeo import gdal
filedir = "D:/img" # 圖片所在路徑
savedir = "D:/image" # 保存路徑
for image in os.listdir(filedir):
print(image)
driver = gdal.GetDriverByName("GTiff")
driver.Register()
img = gdal.Open(filedir + '/' + image)
im_width = img.RasterXSize # 柵格矩陣的列數
print("im_width:", im_width)
im_height = img.RasterYSize # 柵格矩陣的行數
print("im_height:", im_height)
band = img.GetRasterBand(1)
im_data = img.ReadAsArray(0, 0, im_width, im_height) # 獲取資料
print(im_data)
img = np.array(im_data)
ZMAX = 0; ZMIN = 255
ZO = 0; ZB = 255
for i in img:
if max(i) > ZMAX:
ZMAX = max(i)
if min(i) < ZMIN:
ZMIN = min(i)
T = (ZMAX + ZMIN) / 2
img = pd.DataFrame(img)
while True:
ZO_ = img[img>T].mean().mean()
ZB_ = img[img<=T].mean().mean()
if (ZO_ == ZO) and (ZB_ == ZB):
break
else:
ZO = ZO_; ZB = ZB_
T = (ZO + ZB) / 2
print(T)
img[img>T] = 255
img[img<=T] = 0
tiff.imsave(savedir + '/' + image, np.array(img)) # 保存二值化后的影像
print("finish")
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/301858.html
標籤：其他
下一篇：VGGNet