python 使用GDAL實(shí)現(xiàn)柵格tif轉(zhuǎn)矢量shp的方式小結(jié)
前言
目前有一張tif格式的柵格影像,需要在web地圖上進(jìn)行展示,使用動(dòng)態(tài)切片WMS的方式,渲染速度比較慢,而且大的時(shí)候會(huì)出現(xiàn)模糊的問(wèn)題。并且后面需要做多期影像的切換,渲染與加載效率也值得關(guān)注。
計(jì)劃是使用柵格轉(zhuǎn)矢量的方式,將柵格數(shù)據(jù)轉(zhuǎn)為矢量shp文件,然后進(jìn)行矢量切片,使用Mapbox進(jìn)行前端動(dòng)態(tài)渲染。在網(wǎng)上查詢了很多資料,有人說(shuō)使用d3-contour在node.js中生成或者使用rasterio在python中進(jìn)行轉(zhuǎn)換,整體過(guò)程都比較麻煩,很不易實(shí)現(xiàn)。最終選定了使用GDAL進(jìn)行柵格轉(zhuǎn)矢量的方法,代碼比較簡(jiǎn)單。
原始tif影像(12.8MB)如下:

核心函數(shù)
GDAL中柵格轉(zhuǎn)矢量的函數(shù)主要是以下兩個(gè),二者的參數(shù)沒(méi)有任何區(qū)別,只是功能有區(qū)別:
FPolygonize(*args, **kwargs)
FPolygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int
將每個(gè)像元轉(zhuǎn)成一個(gè)矩形。
Polygonize(*args, **kwargs) **
Polygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char ** options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int
將每個(gè)像元轉(zhuǎn)成一個(gè)矩形,然后將相似的像元進(jìn)行合并。
轉(zhuǎn)換代碼
from osgeo import gdal, ogr, osr
import os
import datetime
import numpy as np
path = "Z_NAFP20210727.tif"
if __name__ == '__main__':
start_time = datetime.datetime.now()
inraster = gdal.Open(path) # 讀取路徑中的柵格數(shù)據(jù)
inband = inraster.GetRasterBand(1) # 這個(gè)波段就是最后想要轉(zhuǎn)為矢量的波段,如果是單波段數(shù)據(jù)的話那就都是1
prj = osr.SpatialReference()
prj.ImportFromWkt(inraster.GetProjection()) # 讀取柵格數(shù)據(jù)的投影信息,用來(lái)為后面生成的矢量做準(zhǔn)備
outshp = path[:-4] + ".shp" # 給后面生成的矢量準(zhǔn)備一個(gè)輸出文件名,這里就是把原柵格的文件名后綴名改成shp了
drv = ogr.GetDriverByName("ESRI Shapefile")
if os.path.exists(outshp): # 若文件已經(jīng)存在,則刪除它繼續(xù)重新做一遍
drv.DeleteDataSource(outshp)
Polygon = drv.CreateDataSource(outshp) # 創(chuàng)建一個(gè)目標(biāo)文件
Poly_layer = Polygon.CreateLayer(path[:-4], srs=prj, geom_type=ogr.wkbMultiPolygon) # 對(duì)shp文件創(chuàng)建一個(gè)圖層,定義為多個(gè)面類
newField = ogr.FieldDefn('value', ogr.OFTReal) # 給目標(biāo)shp文件添加一個(gè)字段,用來(lái)存儲(chǔ)原始柵格的pixel value,浮點(diǎn)型,
Poly_layer.CreateField(newField)
gdal.Polygonize(inband, None, Poly_layer, 0) # 核心函數(shù),執(zhí)行的就是柵格轉(zhuǎn)矢量操作
# gdal.FPolygonize(inband, None, Poly_layer, 0) # 只轉(zhuǎn)矩形,不合并
Polygon.SyncToDisk()
Polygon = None
end_time = datetime.datetime.now()
print("Succeeded at", end_time)
print("Elapsed Time:", end_time - start_time) # 輸出程序運(yùn)行所需時(shí)間
轉(zhuǎn)換效果
- 使用FPolygonize
轉(zhuǎn)換之后的矢量數(shù)據(jù)有270MB,非常大,打開(kāi)非???/p>

- 使用Polygonize
合并之后的矢量數(shù)據(jù)有48MB,相對(duì)第一種方法數(shù)據(jù)量大大減少

到此這篇關(guān)于python 使用GDAL實(shí)現(xiàn)柵格tif轉(zhuǎn)矢量shp的文章就介紹到這了,更多相關(guān)python柵格tif轉(zhuǎn)矢量shp內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python批量處理多DNS多域名的nslookup解析實(shí)現(xiàn)
這篇文章主要介紹了python批量處理多DNS多域名的nslookup解析實(shí)現(xiàn),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2020-06-06
如何使用python-opencv批量生成帶噪點(diǎn)噪線的數(shù)字驗(yàn)證碼
這篇文章主要介紹了如何使用python-opencv批量生成帶噪點(diǎn)噪線的數(shù)字驗(yàn)證碼,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2020-12-12
Pycharm內(nèi)置終端及遠(yuǎn)程SSH工具的使用教程圖文詳解
這篇文章主要介紹了Pycharm內(nèi)置終端及遠(yuǎn)程SSH工具的使用教程,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-03-03
關(guān)于python實(shí)現(xiàn)json/字典數(shù)據(jù)中所有key路徑拼接組合問(wèn)題
這篇文章主要介紹了關(guān)于python實(shí)現(xiàn)json/字典數(shù)據(jù)中所有key路徑拼接組合問(wèn)題,文中有詳細(xì)的代碼說(shuō)明,需要的朋友可以參考下2023-04-04
PyTorch加載數(shù)據(jù)集梯度下降優(yōu)化
這篇文章主要介紹了PyTorch加載數(shù)據(jù)集梯度下降優(yōu)化,使用DataLoader方法,并繼承DataSet抽象類,可實(shí)現(xiàn)對(duì)數(shù)據(jù)集進(jìn)行mini_batch梯度下降優(yōu)化,需要的小伙伴可以參考一下2022-03-03
PyTorch一小時(shí)掌握之圖像識(shí)別實(shí)戰(zhàn)篇
這篇文章主要介紹了PyTorch一小時(shí)掌握之圖像識(shí)別實(shí)戰(zhàn)篇,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09
python實(shí)現(xiàn)微信接口(itchat)詳細(xì)介紹
這篇文章主要介紹了python實(shí)現(xiàn)微信接口(itchat)詳細(xì)介紹,小編覺(jué)得挺不錯(cuò)的,這里分享給大家,供需要的朋友參考。2017-10-10

