GDAL是用于栅格数据读写的底层库。
GDAL是用于栅格数据读写的底层库。
GDAL 是读写大量的栅格空间数据格式的广泛应用的开源库。该库起源于 1998年,已经大幅进化。 它支持他自己的数据模型和应用程序接口(API)。 从最初的单一发展的起源,GDAL已发展成为一个分布式的项目,开发人员的数量相对比较大。 对…
2025-02-4
导入GDAL 在Python中使用GDAL,只需要导入 gdal 模块。 在早期的版本(1.5以前)中,GDAL是使用 import gdal 语句导入。 但是后来GDAL成为OSGEO的子项目后,对代码进行了重新组织。 在 GDAL R…
2025-02-4
从GDAL提供的实用程序来看,很多程序的后缀都是 .py ,这充分地说明了Python语言在GDAL的开发中得到了广泛的应用。 打开已有的GeoTIF文件 下面我们试着读取一个GeoTiff文件的信息。第一步就是打开一个数据集。 既然已经…
2025-02-4
通过上一节介绍的方法,可以访问遥感影像的描述性信息,可以概括地知道影像的获取时间、处理时间、空间分辨率、影像大小等一些信息。 但是为了对遥感影像进行处理,需要进一步访问遥感影像中的数据,即影像中像元的灰度值。 GDAL提供了下面两个函数来…
2025-02-4
图像 lu75i1.tif 是索引图像,使用gdalinfo来查看的话,可以看见有如下的信息: 显示的是索引图像的颜色查找表。 可以看到最后输出的几行,同样得到了这幅索引图像的颜色查找表。 通过GetRasterColorInterpre…
2025-02-4
使用Create函数创建影像 如果不是使用一个已有的影像文件来创建新的影像,就需要用到 Create() 方法了。 在数据处理过程中,这种是主要的方法,它可以把建立在内存中的虚拟数据集输出到实际文件。 也就是栅格数据持久化的概念,将内存中…
2025-02-4
前面提到过,GDAL和PIL很相像。它们处理和操作的对象都是栅格图像。 但它们又不一样。 GDAL主要重点放在地理或遥感数据的读写和数据建模以及地理定位和转换, 但是PIL的重点是放在图像本身处理上的。 至于在底层数据处理上,两者都可以用…
2025-02-4
为了方便学习Python语言,基于Jupyter技术栈搭建了在线计算环境。 用户使用时以网页形式打开,对照书中内容进行学习,在线编写代码和运行代码,代码的运行结果也会直接显示。如在编程过程中需要编写说明文档,可在同一个页面直接编写,便于作及时的说明和解释。
在数据科学、机器学习及深度学习的领域里,Jupyter是一个强大的工具,它集成了代码编写、可视化展示、文档记录等多种功能于一体,让科学计算变得既直观又高效。 随着数据科学和人工智能领域的不断发展,Jupyter 也在不断更新和完善其功能和性 能。 未来可以期待看到更多创新的特性和工具被加入到 Jupyter 中,从而进一步推动科学计算和数据分析的发展。