python+gdal 实现将栅格切片合成为tiff影像以前在校制图实习的的时候，老师给了我们一款稻草人下载器，可以在谷歌地图上画一个范围，然后把对应的影像下载下来，当时不太明白。现在看来，就是根据切片的规则，把谷歌地图上的瓦片下载了下来，然后本地合成了tif影像。前面的博文中，我们也讲过了如何根据规则把瓦片下载下来《python多线程进行地图栅格瓦片的爬虫》。这里我们研究一下，如何把下载下来的瓦片合成为tif影像。目录python+gdal 实现将栅格切片合成为tiff影像主要开发环境主要代码1. 计算归一化后的数据集的协方差矩阵 计算协方差矩阵的特征值和特征向量 保留最重要的k个特征（通常k要小于n），也可以自己制定，也可以选择一个阈值，然后通过前k个特征值之和减去后面n-k个特征值之和大于这个阈值，则选择这个k 找出k个特征值对应的特征向量 将m * n的数据集乘以k个n维的特征向量的特征向量（n * k）,得到最后降维的数据。 ———————————————— 版权声明：本文为CSDN博主「蜡笔小新不怕辣」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_42840712/article/details/82586857 目前有一张 tif 格式的 栅格 影像 ，需要在web地图上进行展示，使用动态 切片 WMS的方式，渲染速度比较慢，而且大的时候会出现模糊的问题。并且后面需要做多期 影像 的切换，渲染与加载效率也值得关注。 计划是使用 栅格 转矢量的方式，将 栅格 数据转为矢量shp 文件 ，然后进行矢量 切片 ，使用Mapbox进行前端动态渲染。在网上查询了很多资料，有人说使用d3-contour在node.js中生成或者使用rasterio在 python 中进行转换，整体过程都比较麻烦，很不易 实现 。最终选定了使用 GDAL 进行 栅格 转矢量的方法，代 ``` python dataset1 = gdal .Open('file1. tif ', gdal .GA_ReadOnly) dataset2 = gdal .Open('file2. tif ', gdal .GA_ReadOnly) 3. 读取 栅格 数据 文件 中的波段数据。可以使用`dataset.GetRasterBand()`函数读取 栅格 数据 文件 中的波段数据，例如： ``` python band1 = dataset1.GetRasterBand(1) band2 = dataset2.GetRasterBand(1) 4. 将波段数据读取到numpy数组中。可以使用`band.ReadAsArray()`函数将波段数据读取到一个numpy数组中，例如： ``` python array1 = band1.ReadAsArray() array2 = band2.ReadAsArray() 5. 对两个numpy数组进行最大值 合 成。可以使用`numpy.maximum()`函数将两个numpy数组进行最大值 合 成，例如： ``` python max_array = np.maximum(array1, array2) 6. 将 合 成后的numpy数组写入输出 文件 中。可以使用` gdal .GetDriverByName()`函数获取一个特定的输出格式的驱动程序，并使用`driver.Create()`函数创建一个新的 栅格 数据 文件 ，例如： ``` python driver = gdal .GetDriverByName('G Tiff ') out_dataset = driver.Create('output. tif ', dataset1.RasterXSize, dataset1.RasterYSize, 1, gdal .GDT_Float32) 然后，可以使用`out_band.WriteArray()`函数将 合 成后的numpy数组写入输出 文件 中，例如： ``` python out_band = out_dataset.GetRasterBand(1) out_band.WriteArray(max_array) 7. 关闭数据集和输出 文件 。最后，不要忘记关闭打开的数据集和输出 文件 ，例如： ``` python dataset1 = None dataset2 = None out_dataset = None 完成这些步骤后，就可以成功地使用 GDAL 的 Python API 实现 栅格 数据的最大值 合 成了。