精华内容
下载资源
问答
  • GDAL原生支持超过100种栅格数据类型,涵盖所有主流GIS与RS数据格式,包括ArcInfo grids, ArcSDE raster, Imagine, Idrisi, ENVI, GRASS, GeoTIFFHDF4, HDF5USGS DOQ, USGS DEMECW, MrSIDTIFF, JPEG, JPEG2000, PNG, ...

    GDAL原生支持超过100种栅格数据类型,涵盖所有主流GIS与RS数据格式,包括

    ArcInfo grids, ArcSDE raster, Imagine, Idrisi, ENVI, GRASS, GeoTIFF

    HDF4, HDF5

    USGS DOQ, USGS DEM

    ECW, MrSID

    TIFF, JPEG, JPEG2000, PNG, GIF, BMP

    完整的支持列表可以参考http://www.gdal.org/formats_list.html

    导入GDAL支持库

    旧版本(1.5以前):import gdal, gdalconst

    新版本(1.6以后):from osgeo import gdal, gdalconst

    gdal和gdalconst最好都要导入,其中gdalconst中的常量都加了前缀,力图与其他的module冲突最小。所以对gdalconst你可以直接这样导入:from osgeo.gdalconst import *

    GDAL数据驱动,与OGR数据驱动类似,需要先创建某一类型的数据驱动,再创建响应的栅格数据集。

    一次性注册所有的数据驱动,但是只能读不能写:gdal.AllRegister()

    单独注册某一类型的数据驱动,这样的话可以读也可以写,可以新建数据集:

    driver = gdal.GetDriverByName('HFA')

    driver.Register()

    打开已有的栅格数据集:

    fn = 'aster.img'

    ds = gdal.Open(fn, GA_ReadOnly)

    if ds is None:

    print 'Could not open ' + fn

    sys.exit(1)

    读取栅格数据集的x方向像素数,y方向像素数,和波段数

    cols = ds.RasterXSize

    rows = ds.RasterYSize

    bands = ds.RasterCount

    注意后面没有括号,因为他们是属性(properties)不是方法(methods)

    读取地理坐标参考信息(georeference info)

    GeoTransform是一个list,存储着栅格数据集的地理坐标信息

    adfGeoTransform[0] /* top left x 左上角x坐标*/

    adfGeoTransform[1] /* w--e pixel resolution 东西方向上的像素分辨率*/

    adfGeoTransform[2] /* rotation, 0 if image is "north up" 如果北边朝上,地图的旋转角度*/

    adfGeoTransform[3] /* top left y 左上角y坐标*/

    adfGeoTransform[4] /* rotation, 0 if image is "north up" 如果北边朝上,地图的旋转角度*/

    adfGeoTransform[5] /* n-s pixel resolution 南北方向上的像素分辨率*/

    注意栅格数据集的坐标一般都是以左上角为基准的。

    下面的例子是从一个栅格数据集中取出Geotransform作为一个list,然后读取其中的数据

    geotransform = ds.GetGeoTransform()

    originX = geotransform[0]

    originY = geotransform[3]originY = geotransform[3]

    pixelWidth = geotransform[1]

    pixelHeight = geotransform[5]

    计算某一坐标对应像素的相对位置(pixel offset),也就是该坐标与左上角的像素的相对位置,按像素数计算,计算公式如下:

    xOffset = int((x – originX) / pixelWidth)

    yOffset = int((y – originY) / pixelHeight)

    读取某一像素点的值,需要分两步

    首先读取一个波段(band):GetRasterBand(),其参数为波段的索引号

    然后用ReadAsArray(, , , ),读出从(xoff,yoff)开始,大小为(xsize,ysize)的矩阵。如果将矩阵大小设为1X1,就是读取一个像素了。但是这一方法只能将读出的数据放到矩阵中,就算只读取一个像素也是一样。例如:

    band = ds.GetRasterBand(1)

    data = band.ReadAsArray(xOffset, yOffset, 1, 1)

    如果想一次读取一整张图,那么将offset都设定为0,size则设定为整个图幅的size,例如:

    data = band.ReadAsArray(0, 0, cols, rows)

    但是要注意,从data中读取某一像素的值,必须要用data[yoff, xoff]。注意不要搞反了。数学中的矩阵是[row,col],而这里恰恰相反!这里面row对应y轴,col对应x轴。

    注意在适当的时候释放内存,例如band = None 或者dataset = None。尤其当图很大的时候

    如何更有效率的读取栅格数据?显然一个一个的读取效率非常低,将整个栅格数据集都塞进二维数组也不是个好办法,因为这样占的内存还是很多。更好的方法是按块(block)来存取数据,只把要用的那一块放进内存。本周的样例代码中有一个utils模块,可以读取block大小。

    例如:

    import utils

    blockSize = utils.GetBlockSize(band)

    xBlockSize = blockSize[0]

    yBlockSize = blockSize[1]

    平铺(tiled),即栅格数据按block存储。有的格式,例如GeoTiff没有平铺,一行是一个block。Erdas imagine格式则按64x64像素平铺。

    如果一行是一个block,那么按行读取是比较节省资源的。

    如果是平铺的数据结构,那么设定ReadAsArray()的参数值,让它一次只读入一个block,就是效率最高的方法了。例如:

    rows = 13, cols = 11, xBSize = 5, yBSize = 5

    for i in range(0, rows, yBSize):

    if i + yBSize < rows:

    numRows = yBSize

    else:

    numRows = rows – i

    for j in range(0, cols, xBSize):

    if j + xBSize < cols:

    numCols = xBSize

    else:

    numCols = colsnumCols = cols – j

    data = band.ReadAsArray(j, i, numCols, numRows)

    这一段代码具有通用性,可以时常拿来用的。

    下面介绍一点二维数组的处理技巧

    这里要用到两个库,Numeric和numpy。Numeric比较老了,FWTools用它。自己安装配置的话还是配功能更强的numpy。

    数据类型转换:

    data = band.ReadAsArray(j, i, nCols, nRows)

    data = data.astype(Numeric.Float) # Numeric

    data = data.astype(numpy.float) # numpy

    或者简单点只写一句

    data = band.ReadAsArray(j, i, nCols, nRows).astype(Numeric.Float)

    掩膜mask

    这是Numeric和numpy库的功能,输入一个数组和条件,输出一个二值数组。例如

    mask = Numeric.greater(data, 0)mask = Numeric.greater(data, 0)

    >>> a = Numeric.array([0, 4, 6, 0, 2])

    >>> print a

    [0 4 6 0 2]

    >>> mask = Numeric.greater(a, 0)

    >>> print mask

    [0 1 1 0 1]

    数组求和

    >>> a = Numeric.array([0, 4, 6, 0, 2])

    >>> print a>>> print a

    [0 4 6 0 2]

    >>> print Numeric.sum(a)

    12

    如果是二维数组,那sum就会返回一个一维数组

    >>> b = Numeric.array([a, [5, 10, 0, 3, 0]])

    >>> print b

    [[ 0 4 6 0 2]

    [ 5 10 0 3 0]]

    >>> print Numeric.sum(b)>>> print Numeric.sum(b)

    [ 5 14 6 3 2]

    所以,二维数组的求和就要这样

    >>> print Numeric.sum(Numeric.sum(b))

    30

    这里有一个小技巧,统计大于0的像素个数,可以联合运用mask和sum两个函数

    >>> print a

    [0 4 6 0 2]

    >>> mask = Numeric.greater(a, 0)

    >>> print mask

    [0 1 1 0 1]

    >>> print Numeric.sum(mask)

    3

    以上就是python gdal教程之:用gdal读取栅格数据的内容,更多相关内容请关注龙方网络(www.yzlfxy.com)!

    展开全文
  • GDAL教程.docx

    2020-03-25 16:57:33
    GDAL基础教程,包括GDAL/OGR简介,矢量数据、栅格数据读写等,矢量和栅格数据基本处理,基础工具等。
  • 5.1. 导入GDAL支持库¶旧版本(1.5以前):import gdal, gdalconst新版本(1.6以后):from osgeo import gdal, gdalconstgdal和gdalconst最好都要导入,其中gdalconst中的常量都加了前缀,力图与其他的module冲突最小。...

    5.1. 导入GDAL支持库¶

    旧版本(1.5以前):

    import gdal, gdalconst

    新版本(1.6以后):

    from osgeo import gdal, gdalconst

    gdal和gdalconst最好都要导入,其中gdalconst中的常量都加了前缀,力图与其他的module冲突最小。所以对gdalconst你可以直接这样导入:

    from osgeo.gdalconst import *

    GDAL数据驱动,与OGR数据驱动类似,需要先创建某一类型的数据驱动,再创建响应的栅格数据集。

    一次性注册所有的数据驱动,但是只能读不能写:gdal.AllRegister()

    单独注册某一类型的数据驱动,这样的话可以读也可以写,可以新建数据集:

    driver = gdal.GetDriverByName('HFA')

    driver.Register()

    打开已有的栅格数据集:

    fn = 'aster.img'

    ds = gdal.Open(fn, GA_ReadOnly)

    if ds is None:

    print 'Could not open ' + fn

    sys.exit(1)

    读取栅格数据集的x方向像素数,y方向像素数,和波段数

    cols = ds.RasterXSize

    rows = ds.RasterYSize

    bands = ds.RasterCount

    注意后面没有括号,因为他们是属性(properties)不是方法(methods)

    读取地理坐标参考信息(georeference info)

    GeoTransform是一个list,存储着栅格数据集的地理坐标信息

    adfGeoTransform[0] /* top left x 左上角x坐标*/

    adfGeoTransform[1] /* w--e pixel resolution 东西方向上的像素分辨率*/

    adfGeoTransform[2] /* rotation, 0 if image is "north up" 如果北边朝上,地图的旋转角度*/

    adfGeoTransform[3] /* top left y 左上角y坐标*/

    adfGeoTransform[4] /* rotation, 0 if image is "north up" 如果北边朝上,地图的旋转角度*/

    adfGeoTransform[5] /* n-s pixel resolution 南北方向上的像素分辨率*/

    注意栅格数据集的坐标一般都是以左上角为基准的。

    下面的例子是从一个栅格数据集中取出Geotransform作为一个list,然后读取其中的数据

    geotransform = ds.GetGeoTransform()

    originX = geotransform[0]

    originY = geotransform[3]originY = geotransform[3]

    pixelWidth = geotransform[1]

    pixelHeight = geotransform[5]

    计算某一坐标对应像素的相对位置(pixel offset),也就是该坐标与左上角的像素的相对位置,按像素数计算,计算公式如下:

    xOffset = int((x – originX) / pixelWidth)

    yOffset = int((y – originY) / pixelHeight)

    读取某一像素点的值,需要分两步

    首先读取一个波段(band):GetRasterBand(),其参数为波段的索引号

    然后用ReadAsArray(, , , ),读出从(xoff,yoff)开始,大小为(xsize,ysize)的矩阵。如果将矩阵大小设为1X1,就是读取一个像素了。但是这一方法只能将读出的数据放到矩阵中,就算只读取一个像素也是一样。例如:

    band = ds.GetRasterBand(1)

    data = band.ReadAsArray(xOffset, yOffset, 1, 1)

    如果想一次读取一整张图,那么将offset都设定为0,size则设定为整个图幅的size,例如:

    data = band.ReadAsArray(0, 0, cols, rows)

    但是要注意,从data中读取某一像素的值,必须要用data[yoff, xoff]。注意不要搞反了。数学中的矩阵是[row,col],而这里恰恰相反!这里面row对应y轴,col对应x轴。

    注意在适当的时候释放内存,例如band = None 或者dataset = None。尤其当图很大的时候

    如何更有效率的读取栅格数据?显然一个一个的读取效率非常低,将整个栅格数据集都塞进二维数组也不是个好办法,因为这样占的内存还是很多。更好的方法是按块(block)来存取数据,只把要用的那一块放进内存。本周的样例代码中有一个utils模块,可以读取block大小。

    例如:

    import utils

    blockSize = utils.GetBlockSize(band)

    xBlockSize = blockSize[0]

    yBlockSize = blockSize[1]

    平铺(tiled),即栅格数据按block存储。有的格式,例如GeoTiff没有平铺,一行是一个block。Erdas imagine格式则按64x64像素平铺。

    如果一行是一个block,那么按行读取是比较节省资源的。

    如果是平铺的数据结构,那么设定ReadAsArray()的参数值,让它一次只读入一个block,就是效率最高的方法了。例如:

    rows = 13, cols = 11, xBSize = 5, yBSize = 5

    for i in range(0, rows, yBSize):

    if i + yBSize < rows:

    numRows = yBSize

    else:

    numRows = rows – i

    for j in range(0, cols, xBSize):

    if j + xBSize < cols:

    numCols = xBSize

    else:

    numCols = colsnumCols = cols – j

    data = band.ReadAsArray(j, i, numCols, numRows)

    这一段代码具有通用性,可以时常拿来用的。

    下面介绍一点二维数组的处理技巧

    这里要用到两个库,Numeric和numpy。Numeric比较老了,FWTools用它。自己安装配置的话还是配功能更强的numpy。

    数据类型转换:

    data = band.ReadAsArray(j, i, nCols, nRows)

    data = data.astype(Numeric.Float) # Numeric

    data = data.astype(numpy.float) # numpy

    或者简单点只写一句

    data = band.ReadAsArray(j, i, nCols, nRows).astype(Numeric.Float)

    掩膜mask

    这是Numeric和numpy库的功能,输入一个数组和条件,输出一个二值数组。例如

    mask = Numeric.greater(data, 0)mask = Numeric.greater(data, 0)

    >>> a = Numeric.array([0, 4, 6, 0, 2])

    >>> print a

    [0 4 6 0 2]

    >>> mask = Numeric.greater(a, 0)

    >>> print mask

    [0 1 1 0 1]

    数组求和

    >>>a = Numeric.array([0, 4, 6, 0, 2])

    >>>print a>>> print a

    [0 4 6 0 2]

    >>>print Numeric.sum(a)

    12

    如果是二维数组,那sum就会返回一个一维数组

    >>>b = Numeric.array([a, [5, 10, 0, 3, 0]])

    >>>print b

    [[ 0 4 6 0 2]

    [ 5 10 0 3 0]]

    >>>print Numeric.sum(b)>>> print Numeric.sum(b)

    [ 5 14 6 3 2]

    所以,二维数组的求和就要这样

    >>>print Numeric.sum(Numeric.sum(b))

    30

    这里有一个小技巧,统计大于0的像素个数,可以联合运用mask和sum两个函数

    >>>print a

    [0 4 6 0 2]

    >>>mask = Numeric.greater(a, 0)

    >>>print mask

    [0 1 1 0 1]

    >>>print Numeric.sum(mask)

    3

    展开全文
  • GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理。方式一:在网址 ...

    GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理。

    方式一:在网址 https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal 下载对应python版本的whl文件,在命令行中pip install whl文件完整路径安装(windows方式)。(推荐学习:Python视频教程)

    方式二:

    命令行conda/pip search gdal查看版本,选择合适的版本(我的2.2.4),如果没有,使用方式一。

    命令行conda/pip install gdal=版本号,注意加上版本号,否则可能安装上老版本(windows/linux都可用)。

    gdal包用于处理栅格数据,ogr用于处理矢量数据。

    以下程序为gdal处理栅格的简单应用。from osgeo import gdal

    import numpy as np

    np.set_printoptions(threshold=np.inf)#使print大量数据不用符号...代替而显示所有

    dataset = gdal.Open("E:/RS_data/caijian1214/caijian.tif")

    print(dataset.GetDescription())#数据描述

    print(dataset.RasterCount)#波段数

    cols=dataset.RasterXSize#图像长度

    rows=(dataset.RasterYSize)#图像宽度

    xoffset=cols/2

    yoffset=rows/2

    band = dataset.GetRasterBand(3)#取第三波段

    r=band.ReadAsArray(xoffset,yoffset,1000,1000)#从数据的中心位置位置开始,取1000行1000列数据

    band = dataset.GetRasterBand(2)

    g=band.ReadAsArray(xoffset,yoffset,1000,1000)

    band = dataset.GetRasterBand(1)

    b=band.ReadAsArray(xoffset,yoffset,1000,1000)

    import cv2

    import matplotlib.pyplot as plt

    img2=cv2.merge([r,g,b])

    plt.imshow(img2)

    plt.xticks([]),plt.yticks([]) # 不显示坐标轴

    plt.show()

    更多Python相关技术文章,请访问Python教程栏目进行学习!

    展开全文
  • GDAL原生支持超过100种栅格数据类型,涵盖所有主流GIS与RS数据格式,包括ArcInfo grids, ArcSDE raster, Imagine, Idrisi, ENVI, GRASS, GeoTIFFHDF4, HDF5USGS DOQ, USGS DEMECW, MrSIDTIFF, JPEG, JPEG2000, PNG, ...

    GDAL原生支持超过100种栅格数据类型,涵盖所有主流GIS与RS数据格式,包括

    ArcInfo grids, ArcSDE raster, Imagine, Idrisi, ENVI, GRASS, GeoTIFF

    HDF4, HDF5

    USGS DOQ, USGS DEM

    ECW, MrSID

    TIFF, JPEG, JPEG2000, PNG, GIF, BMP

    完整的支持列表可以参考http://www.gdal.org/formats_list.html

    导入GDAL支持库

    旧版本(1.5以前):import gdal, gdalconst

    新版本(1.6以后):from osgeo import gdal, gdalconst

    gdal和gdalconst最好都要导入,其中gdalconst中的常量都加了前缀,力图与其他的module冲突最小。所以对gdalconst你可以直接这样导入:from osgeo.gdalconst import *

    GDAL数据驱动,与OGR数据驱动类似,需要先创建某一类型的数据驱动,再创建响应的栅格数据集。

    一次性注册所有的数据驱动,但是只能读不能写:gdal.AllRegister()

    单独注册某一类型的数据驱动,这样的话可以读也可以写,可以新建数据集:

    driver = gdal.GetDriverByName('HFA')

    driver.Register()

    打开已有的栅格数据集:

    fn = 'aster.img'

    ds = gdal.Open(fn, GA_ReadOnly)

    if ds is None:

    print 'Could not open ' + fn

    sys.exit(1)

    读取栅格数据集的x方向像素数,y方向像素数,和波段数

    cols = ds.RasterXSize

    rows = ds.RasterYSize

    bands = ds.RasterCount

    注意后面没有括号,因为他们是属性(properties)不是方法(methods)

    读取地理坐标参考信息(georeference info)

    GeoTransform是一个list,存储着栅格数据集的地理坐标信息

    adfGeoTransform[0] /* top left x 左上角x坐标*/

    adfGeoTransform[1] /* w--e pixel resolution 东西方向上的像素分辨率*/

    adfGeoTransform[2] /* rotation, 0 if image is "north up" 如果北边朝上,地图的旋转角度*/

    adfGeoTransform[3] /* top left y 左上角y坐标*/

    adfGeoTransform[4] /* rotation, 0 if image is "north up" 如果北边朝上,地图的旋转角度*/

    adfGeoTransform[5] /* n-s pixel resolution 南北方向上的像素分辨率*/

    注意栅格数据集的坐标一般都是以左上角为基准的。

    下面的例子是从一个栅格数据集中取出Geotransform作为一个list,然后读取其中的数据

    geotransform = ds.GetGeoTransform()

    originX = geotransform[0]

    originY = geotransform[3]originY = geotransform[3]

    pixelWidth = geotransform[1]

    pixelHeight = geotransform[5]

    计算某一坐标对应像素的相对位置(pixel offset),也就是该坐标与左上角的像素的相对位置,按像素数计算,计算公式如下:

    xOffset = int((x – originX) / pixelWidth)

    yOffset = int((y – originY) / pixelHeight)

    读取某一像素点的值,需要分两步

    首先读取一个波段(band):GetRasterBand(),其参数为波段的索引号

    然后用ReadAsArray(, , , ),读出从(xoff,yoff)开始,大小为(xsize,ysize)的矩阵。如果将矩阵大小设为1X1,就是读取一个像素了。但是这一方法只能将读出的数据放到矩阵中,就算只读取一个像素也是一样。例如:

    band = ds.GetRasterBand(1)

    data = band.ReadAsArray(xOffset, yOffset, 1, 1)

    如果想一次读取一整张图,那么将offset都设定为0,size则设定为整个图幅的size,例如:

    data = band.ReadAsArray(0, 0, cols, rows)

    但是要注意,从data中读取某一像素的值,必须要用data[yoff, xoff]。注意不要搞反了。数学中的矩阵是[row,col],而这里恰恰相反!这里面row对应y轴,col对应x轴。

    注意在适当的时候释放内存,例如band = None 或者dataset = None。尤其当图很大的时候

    如何更有效率的读取栅格数据?显然一个一个的读取效率非常低,将整个栅格数据集都塞进二维数组也不是个好办法,因为这样占的内存还是很多。更好的方法是按块(block)来存取数据,只把要用的那一块放进内存。本周的样例代码中有一个utils模块,可以读取block大小。

    例如:

    import utils

    blockSize = utils.GetBlockSize(band)

    xBlockSize = blockSize[0]

    yBlockSize = blockSize[1]

    平铺(tiled),即栅格数据按block存储。有的格式,例如GeoTiff没有平铺,一行是一个block。Erdas imagine格式则按64x64像素平铺。

    如果一行是一个block,那么按行读取是比较节省资源的。

    如果是平铺的数据结构,那么设定ReadAsArray()的参数值,让它一次只读入一个block,就是效率最高的方法了。例如:

    rows = 13, cols = 11, xBSize = 5, yBSize = 5

    for i in range(0, rows, yBSize):

    if i + yBSize < rows:

    numRows = yBSize

    else:

    numRows = rows – i

    for j in range(0, cols, xBSize):

    if j + xBSize < cols:

    numCols = xBSize

    else:

    numCols = colsnumCols = cols – j

    data = band.ReadAsArray(j, i, numCols, numRows)

    这一段代码具有通用性,可以时常拿来用的。

    下面介绍一点二维数组的处理技巧

    这里要用到两个库,Numeric和numpy。Numeric比较老了,FWTools用它。自己安装配置的话还是配功能更强的numpy。

    数据类型转换:

    data = band.ReadAsArray(j, i, nCols, nRows)

    data = data.astype(Numeric.Float) # Numeric

    data = data.astype(numpy.float) # numpy

    或者简单点只写一句

    data = band.ReadAsArray(j, i, nCols, nRows).astype(Numeric.Float)

    掩膜mask

    这是Numeric和numpy库的功能,输入一个数组和条件,输出一个二值数组。例如

    mask = Numeric.greater(data, 0)mask = Numeric.greater(data, 0)

    >>> a = Numeric.array([0, 4, 6, 0, 2])

    >>> print a

    [0 4 6 0 2]

    >>> mask = Numeric.greater(a, 0)

    >>> print mask

    [0 1 1 0 1]

    数组求和

    >>> a = Numeric.array([0, 4, 6, 0, 2])

    >>> print a>>> print a

    [0 4 6 0 2]

    >>> print Numeric.sum(a)

    12

    如果是二维数组,那sum就会返回一个一维数组

    >>> b = Numeric.array([a, [5, 10, 0, 3, 0]])

    >>> print b

    [[ 0 4 6 0 2]

    [ 5 10 0 3 0]]

    >>> print Numeric.sum(b)>>> print Numeric.sum(b)

    [ 5 14 6 3 2]

    所以,二维数组的求和就要这样

    >>> print Numeric.sum(Numeric.sum(b))

    30

    这里有一个小技巧,统计大于0的像素个数,可以联合运用mask和sum两个函数

    >>> print a

    [0 4 6 0 2]

    >>> mask = Numeric.greater(a, 0)

    >>> print mask

    [0 1 1 0 1]

    >>> print Numeric.sum(mask)

    3

    以上就是python gdal教程之:用gdal读取栅格数据的内容,更多相关内容请关注PHP中文网(www.php.cn)!

    本文原创发布php中文网,转载请注明出处,感谢您的尊重!

    展开全文
  • 最近由于需要利用pytho处理地理空间数据,但是python本身并没有访问和处理地理空间数据的包,只能借助于GDAL(Geospatial Data Abstraction Library)来进行访问和处理。GDAL并非纯净python脚本的包,所以需要通过其他...
  • GDAL教程(一)查看帮助文档

    万次阅读 2018-08-18 13:50:56
    1.开头介绍了什么是GDAL(Geospatial Data Abstraction Library地理空间数据抽象库)以及GDAL源码各个版本的下载链接。 2.User Oriented Documentation使用定向的文档:这里说的“定向”是指GDAL按照不同的需要为...
  • 利用GDAL库对tif影像进行读取示例代码默认波段为[B、G、R、NIR的顺序,且为四个波段]import gdaldef readTif(fileName):dataset = gdal.Open(fileName)if dataset == None:print(fileName+"文件无法打开")returnim_...
  • Visual studio上面配置GDAL教程有很多,本人之前到博客里也有一片博文专门介绍如何在visual studio上面配置GDAL,但是如何在codeblocks上面配置GDAL,本人目前为止还没有发现完整到教程。最近几天各种检索,各种...
  • 现在将常用编程语言如何配置GDAL的方法写在下面,包括PROJ.4库的配置。 一、Windows下配置Qt Creator和GDAL:https://blog.csdn.net/HB_Programmer/article/details/81063035 二、Python配置和安装gdal库(Windows...
  • Python-GDAL教程:矢量数据的读取

    千次阅读 2019-06-13 23:53:18
    矢量数据的读取包含:矢量文件打开、读取图层、边界、要素提取、属性表字段读取、要素轮廓坐标提取、遍历所有要素 import sys import ogr #导入工具包,或者下面语句导入 # from osgeo import ogr ...
  • 为什么用open source?优点1. 免费,适合个人和小公司2. 强大的开发工具,找bug更容易3. 跨平台,windows和linux都能用4....缺点1. 没有内嵌地理处理器2.... OGR矢量库:简单的矢量数据读写,是GDAL的一部分2. ...
  • "GDAL_FILENAME_IS_UTF8" , "NO" ) # 为了支持中文路径 gdal . SetConfigOption ( "SHAPE_ENCODING" , "CP936" ) # 为了使属性表字段支持中文 strVectorFile = "D:\\CodePython\\rasters2vector\\test\...
  • 工作中遇到一个问题:需要把栅格影像中的空间...安装好gdal后,直接在cmd中输入以下命令: gdalsrsinfo 01.tif # 前面是命令,后面的栅格名称 初步结果如下: 2 方法二 如果代码都是用python写的,所以当然想用py...
  • "GDAL_FILENAME_IS_UTF8" , "NO" ) # 为了支持中文路径 gdal . SetConfigOption ( "SHAPE_ENCODING" , "CP936" ) # 为了使属性表字段支持中文 strVectorFile = "D:\\CodePython\\rasters2vector\\test\...
  • 例如: targetSR.MorphToESRI() file = open('test.prj', 'w') file.write(targetSR.ExportToWkt()) ffile.close() 以上就是python gdal教程之:几何形状geometry与投影projection的内容,更多相关内容请关注PHP中文...
  • 例如: targetSR.MorphToESRI() file = open('test.prj', 'w') file.write(targetSR.ExportToWkt()) ffile.close() 以上就是python gdal教程之:几何形状geometry与投影projection的内容,更多相关内容请关注龙方...
  • 例如: targetSR.MorphToESRI() file = open('test.prj', 'w') file.write(targetSR.ExportToWkt()) ffile.close() 以上就是python gdal教程之:几何形状geometry与投影projection的内容,更多相关内容请关注PHP中文...
  • 例如: targetSR.MorphToESRI() file = open('test.prj', 'w') file.write(targetSR.ExportToWkt()) ffile.close() 以上就是python gdal教程之:几何形状geometry与投影projection的内容,更多相关内容请关注PHP中文...
  • 一 创建点矢量 # _*_ coding: utf-8 _*_ from osgeo import ogr import matplotlib.pyplot as plt from ospybook.vectorplotter import VectorPlotter # 构建几何类型:点 point = ogr.Geometry(ogr.wkbPoint) ...

空空如也

空空如也

1 2 3 4 5 ... 13
收藏数 247
精华内容 98
关键字:

gdal教程