详解Python修复遥感影像条带的两种方式

GDAL修复Landsat ETM+影像条带

Landsat7 ETM+卫星影像由于卫星传感器故障，导致此后获取的影像出现了条带。如下图所示, 影像中均匀的布满条带。

使用GDAL修复影像条带的代码如下：

def gdal_repair(tif_name, out_name, bands):
  """
    tif_name(string): 源影像名
    out_name(string): 输出影像名
    bands(integer): 影像波段数
  """
  # 打开影像文件
  tif = gdal.Open(tif_name)

  # 根据文件类型获取对应的驱动程序
  driver = gdal.GetDriverByName('GTiff')

  # 根据指定文件的驱动程序，使用现有数据集创建新的可写数据集
  # 所有支持创建新文件的驱动程序都支持该`CreateCopy()`方法，   # 但仅`Create()`部分支持该方法
  # CreateCopy的第一个参数为目标文件名，第二个参数为源数据集
  # 第三个参数的值是`0`或`1`，值是`0`。即使无法将原始数据准确地转换为目标数据，程序仍将执行
  new_img = driver.CreateCopy(out_name, tif, 0)

  for i in tqdm(range(1, bands)):
    # 分别对每个波段处理
    band = new_img.GetRasterBand(i)

    # 使用FillNodata对条带部分进行插值
    gdal.FillNodata(targetBand = band, maskBand = band, maxSearchDist = 15, smoothingIterations=0)

    # 将修复好的波段写入新数据集中
    new_img.GetRasterBand(i).WriteArray(band.ReadAsArray())

修复之后的效果图如下所示：

Opencv修复Landsat ETM+影像条带

使用opencv修复影像的代码如下：

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

  # 获取掩膜
  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：源图像，可以是8位、16位无符号整型和32位浮点型1通道或者8位无符号3通道
    # inpaintMask：掩膜，8位无符号整型
    # dst：和源图像具有一样大小的输出
    # inpaintRadius：算法考虑的每个已修复点的圆形邻域的半径     # flags：修复算法类型，可选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)

修复之后的结果图：

使用opencv修复影像，速度要比Gdal慢许多，但修复质量更好。

Reference

https://www.bogotobogo.com/python/OpenCV_Python/python_opencv3_Image_reconstruction_Inpainting_Interpolation.php

https://gis.stackexchange.com/questions/151020/how-to-use-gdal-fillnodata-in-python

到此这篇关于详解Python修复遥感影像条带的两种方式的文章就介绍到这了,更多相关Python修复遥感影像条带内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！