基于Python的遥感可视化

写在前面

首先本文原作者为：Mohit Kaushik，翻译行为已获得本人许可。

最近在做一些基础遥感分析，需要对处理后影像可视化，课本上的方法很原始，带着你造一遍轮子，从地理坐标到转到像素坐标……，本着偷懒的原则，有意中发现这篇遥感可视化文章。

使用Python读取图像非常简单，因为针对不同的图像格式，它提供了简便的第三方库，用来读取、可视化、编辑等，例如Matplotlib、OpenCV、Pillow……。上述库对于流行的常见图像格式，如png、jpg、jpeg 可以流畅处理，但是对于GeoTiff格式却不行，如果你熟知GeoTiff格式和其他图像格式之间的区别，想必一定能猜到其中的缘由。

GeoTIff 是一个标准的.tif 文件或是一个图像文件格式，它包含了一些额外的空间信息，这些信息被当成附属信息(tag），集成在.tif文件内。这些附属信息包含了空间范围、地理参考系统（CRS）、分辨率，以及每一个像素的值。基于此，GeoTiff是一种非常理想的遥感影像和航空相片分发格式。
本文讨论几种在jupyter notebook环境中利用Python读取的可视化的方式，主要用到如下几个库：GDAL、Rasterio、georaster以及Matplotlib。这些库可以帮助我们快速地将图像转换为Numpy库的数组（array）格式，然后我们就可以通过TensorFlow或numpy做一些图像转换，尽管本文没有涉及。
关于Python库的安装，网上有相对比较详细的介绍，这里就不一一记录了。

基于GDAL

首先肯定是老大哥了，gdal是最流行的GeoTiff处理库，但是嘛比较难以安装，并且不易上手，GDAL拥有由C++编写的方法和类，这里我们使用它的Python绑定。绝大部分的库，诸如georaster等，也是在运用GDAL的基础上，开发出符合Python风格的接口。

from osgeo import gdal
import matplotlib.pyplot as plt

dataset = gdal.Open("./raster/Yunnan_light.tif", gdal.GA_ReadOnly)
band = dataset.GetRasterBand(1) # 波段序号从1开始，而不是0
plt.figure(figsize=(10, 10))
plt.imshow(band.ReadAsArray())
plt.show()

基于Rasterio

Rasterio由mapbox团队开发，它提供了一系列用于读取地理空间数据的Python接口。

它可以配合Matplotlib库使用。

另外，rasterio拥有自身的可视化方法。

发现不同没有，上面这张图，它的坐标显示的是经纬度，而不是数字。

基于georaster

georaster 出现一些问题，读取包含多个波段的图像时，按照官方的示例代码会出现问题，上github查看后发现该库已经被标记放弃了，不会再做进一步的维护，也就没有再细究（比较懒哈哈）。

原文连接：https://medium.com/towards-data-science/reading-and-visualizing-geotiff-images-with-python-8dcca7a74510