时间戳

首页 > 解决方案 > 如何从 rasterio python 中的巨大 .tif 文件中获取掩码？

python - 如何从 rasterio python 中的巨大 .tif 文件中获取掩码？

问题描述

我有一个大 (~3GB) .tif 文件，其中嵌入了地理信息。
我有一些多边形（由 GPS 坐标表示）保存在一个 .shp 文件中，这些多边形描述了我感兴趣的图像中的特定区域。

我想获得每个多边形所指的图像的裁剪，以及该裁剪上多边形的蒙版。

我可以根据多边形的边界框读取一个窗口，
但是我无法匹配从 rasterio.read 函数创建的 numpy 数组中的多边形：

from math import ceil
import rasterio
import fiona

with fiona.open("shapes.shp", "r") as shapefile:
    shapes = [feature["geometry"] for feature in shapefile]

tif_fn = 'large_file.tif'
my_tif = rasterio.open(tif_fn)

bound_1 = rasterio.features.bounds(shapes[0])
bbox_1 = rasterio.windows.from_bounds(*bound_1, my_tif.transform)
window_transform1 = rasterio.windows.transform(window=bbox_1, transform=my_tif.transform)
mask = rasterio.features.geometry_mask([shapes[0]],out_shape=(ceil(bbox_1.width), ceil(bbox_1.height)), 
                                       transform=window_transform, invert=True)
img_crop = my_tif.read([1,2,3], window=bbox_1) # pretty fast, ~2 seconds

plt.imshow(img_crop)
plt.imshow(mask,alpha=0.2)
plt.show() # bad match of image and mask...

我已经尝试根据本教程rasterio.mask.mask使用with ，但是在大文件上花费的时间太长了。（约 50 秒）crop=True

# takes 50 seconds...
out_image, out_transform = rasterio.mask.mask(my_tif, shapes, crop=True, filled=True) 
out_meta = rsrc.meta

有没有办法制作一个子数据集对象并从中获取掩码？
或者一种将作物和面具放在一起的方法？

谢谢！

标签： pythonrasterio

解决方案

第一个选项只是固定的，只需使用裁剪的图像形状作为蒙版：

img_crop = my_tif.read([1,2,3], window=bbox_1) # pretty fast, ~2 seconds
mask = rasterio.features.geometry_mask([shapes[0]],out_shape=(img_crop.shape[1], img_crop.shape[2]), 
                                       transform=window_transform1, invert=True)

的问题rasterio.mask.mask是我试图为我所有的形状制作一个面具，而不是为每个形状做一个。我需要像这样更改代码：

# takes 6 seconds, way better.
out_image, out_transform = rasterio.mask.mask(my_tif, [shapes[0]], crop=True, filled=True) 
out_meta = rsrc.meta
original_image_cropped = my_tif.read([1,2,3], window=bbox_1)
plt.imshow(original_image[[0,1,2]])
plt.imshow(out_image[0], alpha=0.2)
plt.show()

# out_image is the crop, and read

请注意，我只掩盖了一种形状，而不是全部。

推荐阅读