項目需求
項目中需要使用影像做差值計算後根據其DN值進行密度分割渲染
項目構想
- 1、主要根據CreateColorRamp()添加條帶
- 2、根據SetRasterColorTable()渲染
需要注意的是渲染值必須是int型或者byte,所以如果你的DN值是小數等,建議對數據進行拉伸處理,再進行渲染。
代碼實現
- ReadTheRaster.py
def writeRasterInformation(self, data, Savepath, nband):
# driver = self.dataset.GetDriver()
driver = gdal.GetDriverByName('GTiff') # 自己指定生成類型
writeable = driver.Create(Savepath, self.cols, self.rows, self.bands, gdal.GDT_Byte) # TODO 新建數據集
writeable.SetGeoTransform(self.geotrans) # 寫入仿射變換參數
writeable.SetProjection(self.proj) # 寫入投影
for i in range(nband):
writeable.GetRasterBand(i + 1).WriteArray(data[i], 0, 0)
writeable.GetRasterBand(i + 1).SetNoDataValue(0) # todo 給各波段設置nodata值
writeable.GetRasterBand(i + 1).FlushCache() # todo 波段統計量
# 獲取拉伸後數據最大值最小值 進行等分5分
mindata = writeable.GetRasterBand(i + 1).GetStatistics(0, 1)[0]
maxdata = writeable.GetRasterBand(i + 1).GetStatistics(0, 1)[1]
###渲染部分代碼
itemdata = int((maxdata - mindata) / 5) # 等分五份取整
colortabledata = [(0, 255, 255), (72, 255, 72), (255, 255, 72), (255, 190, 72), (255, 72, 72), (255, 29, 29)]
ct = gdal.ColorTable()
for j in range(4):
ct.CreateColorRamp(int(mindata + j * itemdata), colortabledata[j], int(mindata + (j + 1) * itemdata),
colortabledata[j])
band = writeable.GetRasterBand(i + 1)
band.SetRasterColorTable(ct)
ct.CreateColorRamp(int(mindata + 4 * itemdata), colortabledata[4], int(maxdata), colortabledata[5])
band = writeable.GetRasterBand(i + 1)
band.SetRasterColorTable(ct)
###渲染代碼
returnData=[mindata,maxdata,colortabledata]
print(writeable.GetRasterBand(i + 1).GetStatistics(0, 1)) # todo 計算波段統計量 輸出爲min\max \Mean\stddev
return returnData
- 調用
#TODO RASTERFUNCTION
def computoffset(ds,db): # TODO 計算偏移量從而得出行列號
data1=ds.computedoffset()
data2=db.computedoffset()
xoffset = int((data1[0] - data2[0]) / data1[1])
yoffset = int((data1[3] - data2[3]) / data1[5])
data = [xoffset, yoffset]
return data
def getcludedata(n,ds,db): # TODO 重新切片切成大小相同的
# data = db.getRasterInformation(n)[38:25697, 97:10678] #TODO 調整爲多少行多少列 先化爲相同行相同列 即二維數組切片
data = db.getRasterInformation(n)[computoffset(ds,db)[1]:ds.computeRows()+computoffset(ds,db)[1], computoffset(ds,db)[0]:db.computeCols()] # TODO 調整爲多少行多少列 先化爲相同行相同列 即二維數組切片
return data
def getcludedata2(n,ds,db):
data = ds.getRasterInformation(n)[0:ds.computeRows(),0:db.computeCols()-computoffset(ds,db)[0]]
return data
def getIntersection(n,ds,db,strainRate):
data1=getcludedata2(n,ds,db)
data2=getcludedata(n,ds,db)
data2[data1==0]=0 # todo 將data1中爲0位置的元素對應把data2中的元素也置爲0
data1[data2==0]=0 # todo 將data2中爲0位置的元素對應把data1中的元素也置爲0
result=abs(data2-data1)
return strainRate*result ###線性拉伸
ds = ReadTheRaster.ReadRaster(TheFirstfilepath) #TODO 文件路徑
db = ReadTheRaster.ReadRaster(TheSecondefilepath)
status = ds.writeRasterInformation([getIntersection(1, ds, db,20)],outputfilepath, 1)