Python干货 | 制作遥感影像图_图像跟卫星地图的融合 python

0.前言

近50年来，Landsat系列卫星为我们提供了非常长时间序列的地球表面观测信息，现阶段Landsat卫星仍然在服役，为全球治理和科学研究提供了非常宝贵的数据。

图源：USGS

现在是大数据时代，作为地球科学领域来说，遥感资料是不折不扣的宝贵的一手实测资料，且数据量非常的庞大。现阶段来说，可能大部分遥感资料生产的速度远远大于我们去利用它的速度，所以大部分遥感资料还是处于沉睡状态，在等待着技术的继续革新，唤醒这沉睡的数据，使其发光发热。

今天我们来探索一下使用Landsat数据来制作一张遥感影像图。先上图！图示为杭州湾 

东南形胜，三吴都会，钱塘自古繁华。

1.准备工作

先准备下载好的Landsat8数据集，Landsat8中包括11个波段，在数据文件夹中，每个波段一个tif文件，这个tif文件中包括了坐标信息、波段值等信息，可以通过Python的rasterio模块来读取（如果有需要的话，可以详细写一下使用这个库来读取tif文件信息）。

导入接下来要用到的Python库。

import numpy as np
import os
import matplotlib.pyplot as plt
import tifffile as tiff
from skimage import exposure

使用遥感影像制作底图时，通常是选取三个波段的数据分别作为图像RGB的三个通道，其中RGB表示红绿蓝三个通道，不同波段组合将得到不同的效果。

我们使用比较多的Google earth 中就用到了Landsat数据，他的波段组合是432。即使用Landsat的B4、B3和B2三个波段作为影像的三个通道。

上图的杭州湾图使用的是753。 

如果波段组合是432情况下的效果如下图所示，432波段合成的真彩色图片，比较接近地物真实色彩，图像平淡，色调偏暗。

2.动起手来

首先把Landsat各个波段的数据读取出来。用到了一丢丢Python小技能，参见：

8个你应该掌握的Python列表技能

7个你应该掌握的Python字典操作

l8path = r'pathOfLandsat8\LC08_L1TP_118039_20160126_20170330_01_T1'
fileName = l8path.split("\")[-1]
prefix = os.path.join(l8path,fileName)
bands = ['B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'B10', 'B11']
n_bands = len(bands)
temp = tiff.imread(prefix + "_B1.TIF")
arr = np.zeros((n_bands, np.shape(temp)[0], np.shape(temp)[1]), dtype=np.float)
for i in range(n_bands):
    file2read = prefix + "_" + bands[i] + ".TIF"
    arr[i, :, :] = tiff.imread(file2read)

选取三个波段

rgb=(6, 4, 2) #Python下界为0，其实是753

rgb_bands = arr[rgb, :, :]
rgb_bands = _stretch_im(rgb_bands, 2)
rgb_bands = bytescale(rgb_bands).transpose([1, 2, 0])
plt.close('all')
fig, ax = plt.subplots(figsize=figSize)
ax.imshow(rgb_bands, extent=extent)
ax.set_title(title)
ax.set(xticks=[], yticks=[])

其中用到了两个函数，其中一个是提高图像的对比度，另外一个将波段数据归一化到像素点常用的[0,255]区间内。

def _stretch_im(arr, str_clip):
  s_min = str_clip
  s_max = 100 - str_clip
  arr_rescaled = np.zeros_like(arr)
  pLow, pHigh = np.percentile(arr[arr > 0], (s_min, s_max))
  arr_rescaled = exposure.rescale_intensity(arr, in_range=(pLow, pHigh))
  return arr_rescaled.copy()

def bytescale(data, high=255, low=0, cmin=None, cmax=None):
  if data.dtype == "uint8":
    return data
  if high > 255:
    raise ValueError("high should be less than or equal to 255.")
  if low < 0:
    raise ValueError("low should be greater than or equal to 0.")
  if high < low:
    raise ValueError("high should be greater than or equal to low.")
  if cmin is None or (cmin < data.min()):
    cmin = float(data.min())
  if (cmax is None) or (cmax > data.max()):
    cmax = float(data.max())
  # Calculate range of values
  crange = cmax - cmin
  if crange < 0:
    raise ValueError("cmax should be larger than cmin.")
  elif crange == 0:
    raise ValueError(
      "cmax and cmin should not be the same value. Please specify "
      "cmax > cmin"
    )
  scale = float(high - low) / crange
  # If cmax is less than the data max, then this scale parameter will create
  # data > 1.0. clip the data to cmax first.
  data[data > cmax] = cmax
  bytedata = (data - cmin) * scale + low
  return (bytedata.clip(low, high) + 0.5).astype("uint8")

3.小结

大功告成！

这个遥感影像图，可以作为我们出图的底图，还可以实现两张遥感影像图的融合，在影像图上叠加自己想要叠加的数据，欲知详情，且听下回分解....

因遥感数据较大，关注公众号 海洋纪 ，后台回复 Landsat   获取数据及源码。

Tips:不同波段组合情况可以实现不同的效果，大家可以自己试试看。如543,652,765等。

最后，感谢阅读。