0

我有一个 7 通道的卫星图像（基本上我有七个 .tif 文件，每个波段一个）。我有一个 .csv 文件，其中包含卫星拍摄区域内的兴趣点坐标。我想在每个坐标点的周围切割一小部分图像。我怎么能那样做？

由于我现在没有完整的工作代码，因此这些小部分图像的大小实际上并不重要。为了解释这个问题，假设我希望它们是 15x15 像素。所以目前，我的最终目标是获取大量 15x15x7 向量，一个对应于 .csv 文件中的每个坐标点。这就是我所坚持的。（“15x15x7”中的“7”是因为图像有7个通道）

只是为了提供一些相关的背景信息：稍后我将使用这些向量在 keras 中训练 CNN 模型。

这是我到目前为止所做的：（我使用的是jupyter notebook，anaconda环境）

  • 导入 gdal、numpy、matplotlib、geopandas 等库。

  • 使用 gdal 打开 .gif 文件，将它们转换为数组

  • 使用熊猫打开 .csv 文件。

  • 创建了一个名为“imagen”的形状为 (7931, 7901, 3) 的 numpy 数组，它将承载卫星图像的 7 个波段（以数字的形式）。此时我只需要知道数组“imagen”的哪些行和列对应于每个坐标点。换句话说，我需要将每个坐标点转换为一对数字 (row,colum)。这就是我所坚持的。

在那之后，我认为“切割部分”会很容易。

#I import libraries

from osgeo import gdal_array
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import geopandas
from geopandas import GeoDataFrame
from shapely.geometry import Point

#I access the satellite images (I just show one here to make it short)

b1 = r"E:\Imágenes Satelitales\2017\226_86\1\LC08_L1TP_226086_20170116_20170311_01_T1_sr_band1.tif"
band1 = gdal.Open(b1, gdal.GA_ReadOnly)

#I open the .csv file

file_svc = "C:\\Users\\Administrador\Desktop\DeepLearningInternship\Crop Yield Prediction\Crop Type Classification model - CNN\First\T28_Pringles4.csv"
df = pd.read_csv(file_svc)
print(df.head())

打印出这样的内容：

   Lat1        Long1       CropingState
   -37.75737   -61.14537   Barbecho
   -37.78152   -61.15872   Verdeo invierno
   -37.78248   -61.17755   Barbecho
   -37.78018   -61.17357   Campo natural
   -37.78850   -61.18501   Campo natural

#I create the array "imagen" (I only show one channel here to make it short)

imagen = (np.zeros(7931*7901*7, dtype = np.float32)).reshape(7931,7901,7)
imagen[:,:,0] = band1.ReadAsArray().astype(np.float32)

#And then I can plot it:

plt.imshow(imagen[:,:,0], cmap = 'hot')
plt.plot()

哪个情节是这样的：

（https://github.com/jamesluc007/DeepLearningInternship/blob/master/Crop%20Yield%20Prediction/Crop%20Type%20Classification%20model%20-%20CNN/First/red_band.png）

我想将那些 (-37,-61) 转换为 (2230,1750) 之类的东西。但我还没想好怎么弄。有什么线索吗？

4

0 回答 0