Python空間資料處理2: GDAL柵格影象格式轉換
在《GDAL讀寫遙感影象》中,有提到了GDAL支援多種資料格式,那麼,如何對這些格式進行相互轉換呢?
這其實非常簡單,僅在寫影象時稍加修改即可。例如,當我需要將某種柵格影象轉換為img格式時,只需將《GDAL讀寫遙感影象》中的程式碼進行以下修改:
第42行
driver = gdal.GetDriverByName('GTiff')
改為
driver = gdal.GetDriverByName('HFA')
GTiff在GDAL中代表.tif格式;HFA代表.img格式,在文章《GDAL支援的資料格式》中有具體的參考。除此之外,還需修改檔案儲存名:
第64行
run.write_img('LC81230402013164LGN00_Rewrite .tif',proj,geotrans,data)
改為
run.write_img('LC81230402013164LGN00_Rewrite.img',proj,geotrans,data)
根據以上內容,能完成GDAL所支援的柵格資料格式的轉換,但在遇到GDAL所不能支援的格式時(雖然很少),該怎麼辦呢?在下篇中進行解答,講述如何將HDF格式轉換為TIFF格式。
相關推薦
Python空間資料處理2: GDAL柵格影象格式轉換
在《GDAL讀寫遙感影象》中,有提到了GDAL支援多種資料格式,那麼,如何對這些格式進行相互轉換呢? 這其實非常簡單,僅在寫影象時稍加修改即可。例如,當我需要將某種柵格影象轉換為img格式時,只需將《GDAL讀寫遙感影象》中的程式碼進行以下修改: 第42行
Python空間資料處理1: GDAL讀寫遙感影象
GDAL是空間資料處理的開源包,支援多種資料格式的讀寫。遙感影象是一種帶大地座標的柵格資料,遙感影象的柵格模型包含以下兩部分的內容: 柵格矩陣:由正方形或者矩形柵格點組成,每個柵格點所對應的數值為該點的像元值,在遙感影象中用於表示地物屬性值;遙感影象有單波段與多波段,波段表
Python圖像處理庫PIL中圖像格式轉換(一)
http 分享圖片 r+ name 結果 針對 浮點 code 技術 在數字圖像處理中,針對不同的圖像格式有其特定的處理算法。所以,在做圖像處理之前,我們需要考慮清楚自己要基於哪種格式的圖像進行算法設計及其實現。本文基於這個需求,使用python中的圖像處理庫PIL來實現不
Python圖像處理庫PIL中圖像格式轉換
.com 彩色圖像 strong TP 四種 PE HR 它的 綠色 o 在數字圖像處理中,針對不同的圖像格式有其特定的處理算法。所以,在做圖像處理之前,我們需要考慮清楚自己要基於哪種格式的圖像進行算法設計及其實現。本文基於這個需求,使用python中的圖像處理庫
Python-opencv 筆記8 -- PIL.Image和OpenCV影象格式轉換
Python-opencv 筆記8 – PIL.Image和OpenCV影象格式轉換 1、PIL.Image 轉 OpenCV import cv2 from PIL import Image imp
GDAL空間資料處理100講[01]:GDAL的Python開發環境搭建
GDAL空間資料處理100講[01]:GDAL的Python開發環境搭建 作者:胡佳輝 2018年11月12日 本文原發於"衛星遙感大資料"公眾號,歡迎關注!如有興趣,歡迎加入"衛星遙感大資料"QQ群(877631590)或者加我微信(cddennishu)進"衛星遙感大資料"微信群。
GDAL空間資料處理100講[02]:用GDAL切圖/裁剪(GeoTiff格式)
GDAL空間資料處理100講[02]:用GDAL切圖/裁剪(GeoTiff格式) 作者:胡佳輝 2018年11月14日 概述 前面給大家介紹了怎麼把GDAL的環境搭建起來,就有朋友迫不及待地問各種開發問題。後續將陸續給大家分享,這一期先介紹怎麼用GDAL切圖/裁剪(
吳裕雄 資料探勘與分析案例實戰(4)——python資料處理工具:Pandas
# 匯入模組import pandas as pdimport numpy as np # 構造序列gdp1 = pd.Series([2.8,3.01,8.99,8.59,5.18])print(gdp1)# 取出gdp1中的第一、第四和第五個元素print('行號風格的序列:\n',gdp1[[0,3,
用 Python 做資料處理必看:12 個使效率倍增的 Pandas 技巧(上下)
http://datartisan.com/article/detail/81.html 導語 Python正迅速成為資料科學家偏愛的語言,這合情合理。它擁有作為一種程式語言廣闊的生態環境以及眾多優秀的科學計算庫。如果你剛開始學習Python,可以先了解一下Python的學習路線。 在眾多的科學計算庫中
python大規模資料處理技巧之一:資料常用操作
面對讀取上G的資料,python不能像做簡單程式碼驗證那樣隨意,必須考慮到相應的程式碼的實現形式將對效率的影響。如下所示,對pandas物件的行計數實現方式不同,執行的效率差別非常大。雖然時間看起來都微不足道,但一旦執行次數達到百萬級別時,其執行時間就根本不可能
用 Python 做資料處理必看:12 個使效率倍增的 Pandas 技巧(上)
導語 Python正迅速成為資料科學家偏愛的語言,這合情合理。它擁有作為一種程式語言廣闊的生態環境以及眾多優秀的科學計算庫。如果你剛開始學習Python,可以先了解一下Python的學習路線。在眾多的科學計算庫中,我認為Pandas對資料科學運算最有用。Pandas,
用 Python 做資料處理必看:12 個使效率倍增的 Pandas 技巧(下)
7 – 資料框合併 當我們有收集自不同來源的資料時,合併資料框就變得至關重要。假設對於不同的房產型別,我們有不同的房屋均價資料。讓我們定義這樣一個數據框: prop_rates = pd.DataFrame([1000, 5000, 12000], index
spark機器學習筆記:(二)用Spark Python進行資料處理和特徵提取
下面用“|”字元來分隔各行資料。這將生成一個RDD,其中每一個記錄對應一個Python列表,各列表由使用者ID(user ID)、年齡(age)、性別(gender)、職業(occupation)和郵編(ZIP code)五個屬性構成。4之後再統計使用者、性別、職業和郵編的數目。這可通過如下程式碼
python文件處理學習:一
沒入門的認識1. file寫(.......‘w‘) f1 = file(‘/test/test.txt‘,‘w‘) #‘w‘ 開啟寫操作 f1.write(‘the line is first.\n‘) #write,寫入 f1.flush() #刷到硬盤 2.file讀(.
python對於資料處理所會用到得一般操作
xlsx檔案轉為csv import pandas as pd#需要用到的包 import numpy as np#需要用到的包 path = "/home/public/GFQ/math_model/"#路徑 filepath_poi = path + "data.xlsx"#路徑+檔名 da
python 讀取資料出現UnicodeDecodeError:: 'utf-8' codec can't decode byte 0xc8 in position 0: invalid contin
之前寫程式時也出現過類似錯誤,每次解決了到第二次遇見又忘了具體方法,這次記錄一下。 一、字元編碼問題 先介紹一下字元編碼問題 1.ASCLL與GB2312 由於計算機是美國人發明的,因此,最早只有127個字元被編碼到計算機裡,也就是大小寫英文字母、數字和一些符號,這個編碼表被稱為
python json資料處理
1. python 轉 json import json data={ "name":"haha", "age" : 1,"list_1":[1,2,3], "tu":(1,2,3), "bo": True, "kong":None
python爬蟲資料處理
資料處理的兩種方式 re正則表示式:通過對資料文字進行匹配,來得到所需的資料 BeautifulSoup:通過該類建立一個物件,通過對類裡面封裝的方法進行呼叫,來提取資料。 bs4 對標籤進行查詢 獲取標籤的內容 import re fr
Python 之資料驅動工具:DDT
https://www.cnblogs.com/miniren/p/7099187.html 背景 python 的unittest 沒有自帶資料驅動功能。 所以如果使用unittest,同時又想使用資料驅動,那麼就可以使用DDT來完成。 DDT是 “Data-Driven Tests”的縮寫。 資
Python大資料處理庫PySpark實戰
https://cloud.tencent.com/developer/article/1096712 Spark的安裝和使用(Python版) http://dblab.xmu.edu.cn/blog/1689-2/ https://blog.csdn.net/qq_14959801/