快捷導(dǎo)航

詳解Python修復(fù)遙感影像條帶的兩種方式

更新時(shí)間：2020年02月23日 10:37:59 作者：mhxin

這篇文章主要介紹了詳解Python修復(fù)遙感影像條帶的兩種方式，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

GDAL修復(fù)Landsat ETM+影像條帶

Landsat7 ETM+衛(wèi)星影像由于衛(wèi)星傳感器故障，導(dǎo)致此后獲取的影像出現(xiàn)了條帶。如下圖所示, 影像中均勻的布滿(mǎn)條帶。

使用GDAL修復(fù)影像條帶的代碼如下：

def gdal_repair(tif_name, out_name, bands):
  """
    tif_name(string): 源影像名
    out_name(string): 輸出影像名
    bands(integer): 影像波段數(shù)
  """
  # 打開(kāi)影像文件
  tif = gdal.Open(tif_name)
  
  # 根據(jù)文件類(lèi)型獲取對(duì)應(yīng)的驅(qū)動(dòng)程序
  driver = gdal.GetDriverByName('GTiff')
  
  # 根據(jù)指定文件的驅(qū)動(dòng)程序，使用現(xiàn)有數(shù)據(jù)集創(chuàng)建新的可寫(xiě)數(shù)據(jù)集
  # 所有支持創(chuàng)建新文件的驅(qū)動(dòng)程序都支持該`CreateCopy()`方法，   # 但僅`Create()`部分支持該方法
  # CreateCopy的第一個(gè)參數(shù)為目標(biāo)文件名，第二個(gè)參數(shù)為源數(shù)據(jù)集
  # 第三個(gè)參數(shù)的值是`0`或`1`，值是`0`。即使無(wú)法將原始數(shù)據(jù)準(zhǔn)確地轉(zhuǎn)換為目標(biāo)數(shù)據(jù)，程序仍將執(zhí)行
  new_img = driver.CreateCopy(out_name, tif, 0)
 
  for i in tqdm(range(1, bands)):
    # 分別對(duì)每個(gè)波段處理
    band = new_img.GetRasterBand(i)
    
    # 使用FillNodata對(duì)條帶部分進(jìn)行插值
    gdal.FillNodata(targetBand = band, maskBand = band, maxSearchDist = 15, smoothingIterations=0)
    
    # 將修復(fù)好的波段寫(xiě)入新數(shù)據(jù)集中
    new_img.GetRasterBand(i).WriteArray(band.ReadAsArray())

修復(fù)之后的效果圖如下所示：

Opencv修復(fù)Landsat ETM+影像條帶

使用opencv修復(fù)影像的代碼如下：

def cv2_repair(tif_name):
  # 讀取tif影像
  tif_data = gdal_array.LoadFile(tif_name).astype('float32')

  # 獲取掩膜
  mask = tif_data.sum(axis=0)
  mask = (mask == 0).astype(np.uint8)
  
  bands = tif_data.shape[0]

  res = []
  for i in tqdm(range(bands)):
    # cv.Inpaint(src, inpaintMask, dst, inpaintRadius, flags)
    # src：源圖像，可以是8位、16位無(wú)符號(hào)整型和32位浮點(diǎn)型1通道或者8位無(wú)符號(hào)3通道
    # inpaintMask：掩膜，8位無(wú)符號(hào)整型
    # dst：和源圖像具有一樣大小的輸出
    # inpaintRadius：算法考慮的每個(gè)已修復(fù)點(diǎn)的圓形鄰域的半徑     # flags：修復(fù)算法類(lèi)型，可選cv2.INPAINT_NS和cv2.INPAINT_TELEA
    
    repaired = cv2.inpaint(tif_data[i], mask, 3, flags=cv2.INPAINT_TELEA)
    res.append(repaired)

  return np.array(res)

修復(fù)之后的結(jié)果圖：