与自然影像稍有不同，遥感影像一般有多个波段(波段数大于4)，数据格式多为tiff，比如国产高分一号/二号遥感影像，多光谱影像有4个波段，分别为蓝(1)、绿(2)、红(3)以及近红外(4)波段，真彩色是321显示，假彩色是432显示。

利用遥感或GIS处理软件，如ENVI、ERDAS、ArcGIS等，可以很方便快捷地实现对图像进行读取、处理等操作。

然而，很多时候我们需要对大量的图像数据进行批量处理操作，这时候就需要我们自己编写代码来实现。这篇博客就简单地介绍，如何在Python中实现遥感影像的读取和存储操作。Python中，可以读取和存储遥感影像的库有一些，这里我仅介绍比较常用且经典的库--GDAL。

GDAL的安装

百度百科：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。GDAL提供对多种栅格数据的支持，包括Arc/Info ASCII Grid(asc)，GeoTiff (tiff)，Erdas Imagine Images(img)，ASCII DEM(dem) 等格式。

GDAL的安装有几种方式，可以通过下载对应Python版本的whl文件来安装，也可以使用pip命令来安装。建议使用pip或conda命令安装，比较简单方便，注意要加上版本号。

conda/pip install gdal=版本号

虽然我们安装的时候直接写的是gdal，但调用时，需要从osgeo里面调用，这是由于GDAL成为了OSGeo的子项目后（1.6版本以后），GDAL被包含在osgeo这个名字空间里了。

from osgeo import gdal

遥感影像读取

废话不多说，直接上代码

# -*- coding: utf-8 -*-
from osgeo import gdal

#读图像文件
def read_img(filename):
    dataset = gdal.Open(filename) #打开文件
    im_width = dataset.RasterXSize  #栅格矩阵的列数
    im_height = dataset.RasterYSize  #栅格矩阵的行数
    im_bands = dataset.RasterCount   #波段数
    im_geotrans = dataset.GetGeoTransform()  #仿射矩阵，左上角像素的大地坐标和像素分辨率
    im_proj = dataset.GetProjection() #地图投影信息，字符串表示
    im_data = dataset.ReadAsArray(0,0,im_width,im_height)

    del dataset 

    return im_width, im_height, im_bands, im_proj, im_geotrans, im_data

可以看到，使用GDAL可以很方便的对多波段数据进行读取，还可以获得其投影参数和转换参数信息，这对影像是十分重要的。

遥感影像存储

# -*- coding: utf-8 -*-
from osgeo import gdal

#写GeoTiff文件
def write_img(filename, im_proj, im_geotrans, im_data):

    #判断栅格数据的数据类型
    if 'int8' in im_data.dtype.name:
        datatype = gdal.GDT_Byte
    elif 'int16' in im_data.dtype.name:
        datatype = gdal.GDT_UInt16
    else:
        datatype = gdal.GDT_Float32

    #判读数组维数
    if len(im_data.shape) == 3:
        im_bands, im_height, im_width = im_data.shape
    else:
       im_bands, (im_height, im_width) = 1, im_data.shape

    #创建文件
    driver = gdal.GetDriverByName("GTiff") 
    dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)

    dataset.SetGeoTransform(im_geotrans)       #写入仿射变换参数
    dataset.SetProjection(im_proj)          #写入投影

    if im_bands == 1:
        dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据
    else:
        for i in range(im_bands):
            dataset.GetRasterBand(i+1).WriteArray(im_data[i])

    del dataset

这里，需要注意几点：

1、GDAL的数据类型，一般包括以下几种：

#gdal数据类型
#gdal.GDT_Byte, 
#gdal .GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32,
#gdal.GDT_Float32, gdal.GDT_Float64

2、注意数据的存储波段顺序：im_bands, im_height, im_width。

3、创建文件时 driver = gdal.GetDriverByName("GTiff")，数据类型必须要指定，因为要计算需要多大内存空间。

总结

这里，我们可以影像读取和存储做成一个类文件，这样后续就可以方便的进行调用啦！

# -*- coding: utf-8 -*-
from osgeo import gdal

class IMAGE:
    #读图像文件
    def read_img(self, filename):
        dataset = gdal.Open(filename) #打开文件
        im_width = dataset.RasterXSize  #栅格矩阵的列数
        im_height = dataset.RasterYSize  #栅格矩阵的行数
        im_bands = dataset.RasterCount   #波段数
        im_geotrans = dataset.GetGeoTransform()  #仿射矩阵，左上角像素的大地坐标和像素分辨率
        im_proj = dataset.GetProjection() #地图投影信息，字符串表示
        im_data = dataset.ReadAsArray(0,0,im_width,im_height)

        del dataset 

        return im_width, im_height, im_bands, im_proj, im_geotrans, im_data

    #写GeoTiff文件
    def write_img(self, filename, im_proj, im_geotrans, im_data):

        #判断栅格数据的数据类型
        if 'int8' in im_data.dtype.name:
            datatype = gdal.GDT_Byte
        elif 'int16' in im_data.dtype.name:
            datatype = gdal.GDT_UInt16
        else:
            datatype = gdal.GDT_Float32

        #判读数组维数
        if len(im_data.shape) == 3:
            im_bands, im_height, im_width = im_data.shape
        else:
           im_bands, (im_height, im_width) = 1, im_data.shape

        #创建文件
        driver = gdal.GetDriverByName("GTiff") 
        dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)

        dataset.SetGeoTransform(im_geotrans)       #写入仿射变换参数
        dataset.SetProjection(im_proj)          #写入投影

        if im_bands == 1:
            dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据
        else:
            for i in range(im_bands):
                dataset.GetRasterBand(i+1).WriteArray(im_data[i])

        del dataset