遥感影像制作深度学习样本的程序,包含样本制作和相对辐射校正功能。
-
📷 图像裁剪 (clipimage.py)
- ✂️ 支持将大尺寸遥感影像按指定大小分块裁剪
- 🖼️ 可输出为 PNG 或 TIFF 格式
-
🗺️ 矢量数据栅格化 (clipimage.py)
- 🔄 将 Shapefile 矢量数据转换为与模板影像一致的栅格数据
- 📊 支持指定属性字段作为栅格值
-
⚫ 二值化处理 (clipimage.py)
- 🔁 将矢量数据栅格化后进行二值化处理
-
📈 相对辐射校正 (RelativeRadiometricCorrection.py)
- 📊 基于直方图匹配的相对辐射校正
- 🎯 可将一幅影像的辐射特征调整为与参考影像一致
🔧 安装所需依赖包:
pip install -r requirements.txt
📚 依赖包列表:
- GDAL==3.4.1
- numpy==1.22.3
- opencv_python==4.5.5.64
- osgeo==0.0.1
- tqdm==4.64.0
from clipimage import clipImg # 裁剪图像 clipImg( srcImgPath="输入图像路径", dstFolder="输出文件夹路径", blockSize=256, # 裁剪块大小 format='png' # 输出格式,可选 'png' 或 'tif' )
from clipimage import shpToRaster # 将矢量数据转换为栅格 output_file = shpToRaster( imgpath="模板影像路径", shapepath="矢量文件路径", TableValue="属性字段名" )
from RelativeRadiometricCorrection import HistSpecify from clipimage import readTif, writeTiff, OpencvData2GdalData, unit16Touint8 # 读取待校正影像和参考影像 img1Data, im1_geotrans, im1_proj = readTif("参考影像路径", 0, 0, 0, 0) img2Data, im2_geotrans, im2_proj = readTif("待校正影像路径", 0, 0, 0, 0) # 执行直方图匹配校正 dst = HistSpecify(img2Data, img1Data) # 数据格式转换和保存 dst = OpencvData2GdalData(dst) dst = unit16Touint8(dst) writeTiff(dst, im1_geotrans, im1_proj, "输出影像路径")
- 🌍 所有影像处理均保持原始地理信息不变
- 📏 相对辐射校正要求两幅影像空间分辨率和覆盖范围一致
- 🌈 程序支持处理多波段遥感影像