Python疊加兩幅柵格圖像的實(shí)現(xiàn)方法
目的
現(xiàn)有兩幅柵格圖像,一個(gè)是某地區(qū)道路柵格圖,一個(gè)是某地區(qū)土地利用類型圖,需要將道路疊加到土地利用類型圖中,即疊加后,重合的像元值以道路圖為準(zhǔn),其余的像元值仍是土地利用類型圖原有的像元值。
圖1 道路信息圖

圖2 土地利用類型圖

圖3 結(jié)果圖

具體實(shí)現(xiàn)
from gdalconst import *
from osgeo import gdal
import osr
import sys
import copy
#疊加兩個(gè)柵格圖像(一個(gè)道路柵格圖,一個(gè)土地利用類型圖),兩幅圖像重疊的像元值都是第一個(gè)圖像的值,
#未重疊的像元值還是土地利用類型圖上的值,最終結(jié)果便是土地利用類型圖上面多了道路信息。
roadFile = 'E:\\Exercise\\test\\grasstest\\road_rastercalc.tif'
landuseFile = 'E:\\Exercise\\test\\grasstest\\landuse.tif'
roadDs = gdal.Open(roadFile, GA_ReadOnly)
landuseDs = gdal.Open(landuseFile, GA_ReadOnly)
if roadDs is None:
print 'Can not open ', roadFile
sys.exit(1)
geotransform = roadDs.GetGeoTransform()
projection=roadDs.GetProjection()
cols = roadDs.RasterXSize
rows = roadDs.RasterYSize
roadBand = roadDs.GetRasterBand(1)
roadData = roadBand.ReadAsArray(0,0,cols,rows)
roadNoData = roadBand.GetNoDataValue()
landuseBand = landuseDs.GetRasterBand(1)
landuseData = landuseBand.ReadAsArray(0,0,cols,rows)
landuseNoData = landuseBand.GetNoDataValue()
result = landuseData
for i in range(0,rows):
for j in range(0,cols):
if(abs(roadData[i,j] - 20) < 0.0001):
result[i,j] = 20
if((abs(landuseData[i,j] - landuseNoData)>0.0001) and (abs(roadData[i,j] - roadNoData) < 0.0001)):
result[i,j] = landuseData[i,j]
if((abs(landuseData[i,j] - landuseNoData)<0.0001) and (abs(roadData[i,j] - roadNoData) < 0.0001)):
result[i,j] = landuseNoData
#write result to disk
resultPath = 'E:\\Exercise\\test\\grasstest\\result_landuse.tif'
format = "GTiff"
driver = gdal.GetDriverByName(format)
ds = driver.Create(resultPath, cols, rows, 1, GDT_Float32)
ds.SetGeoTransform(geotransform)
ds.SetProjection(projection)
ds.GetRasterBand(1).SetNoDataValue(landuseNoData)
ds.GetRasterBand(1).WriteArray(result)
ds = None
print 'ok---------'
以上這篇Python疊加兩幅柵格圖像的實(shí)現(xiàn)方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python函數(shù)值傳遞引用傳遞及形式參數(shù)和實(shí)際參數(shù)的區(qū)別
這篇文章主要介紹了Python函數(shù)值傳遞引用傳遞及形式參數(shù)和實(shí)際參數(shù)的區(qū)別,具有一定的參考價(jià)值,需要的小伙伴可以參考一下,希望對(duì)你的學(xué)習(xí)有所幫助2022-05-05
Python安裝第三方庫(kù)及常見(jiàn)問(wèn)題處理方法匯總
本文給大家匯總介紹了Python安裝第三方庫(kù)及常見(jiàn)問(wèn)題處理方法,非常的簡(jiǎn)單使用,有需要的小伙伴可以參考下2016-09-09
Python圖像處理庫(kù)PIL的ImageGrab模塊介紹詳解
這篇文章主要介紹了Python圖像處理庫(kù)PIL的ImageGrab模塊介紹詳解,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2020-02-02
keras在構(gòu)建LSTM模型時(shí)對(duì)變長(zhǎng)序列的處理操作
這篇文章主要介紹了keras在構(gòu)建LSTM模型時(shí)對(duì)變長(zhǎng)序列的處理操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
Python機(jī)器學(xué)習(xí)多層感知機(jī)原理解析
最簡(jiǎn)單的深度網(wǎng)絡(luò)稱為多層感知機(jī),它們由多層神經(jīng)元組成,每一層都與下面一層(從中接收輸入)和上面一層(反過(guò)來(lái)影響當(dāng)前層的神經(jīng)元)完全相連2021-10-10
在django中實(shí)現(xiàn)choices字段獲取對(duì)應(yīng)字段值
這篇文章主要介紹了在django中實(shí)現(xiàn)choices字段獲取對(duì)應(yīng)字段值,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-07-07

