前言

為了創(chuàng)建深度學(xué)習(xí)的樣本，需要做一個(gè)512*512標(biāo)準(zhǔn)的框，框內(nèi)具有要素的tif文件

1.以特定點(diǎn)為中心，做一個(gè)1024*1024的框，截取tif圖像

import geopandas as gpd
import rasterio
from rasterio.plot import show


def crop_tif_around_centroid(tif_path, shp_path, output_tif_path, crop_size=1024):
    # 讀取shapefile文件以獲取中心點(diǎn)坐標(biāo)
    gdf = gpd.read_file(shp_path)
    centroid = gdf.iloc[0]['geometry'].centroid

    # 讀取tif文件
    with rasterio.open(tif_path) as src:
        # 獲取tif文件的地理變換參數(shù)
        transform = src.transform

        # 將中心點(diǎn)的地理坐標(biāo)轉(zhuǎn)換為像素坐標(biāo)
        x_center, y_center = rasterio.transform.xy(transform, centroid.x, centroid.y)

        # 計(jì)算裁剪窗口的左上角和右下角像素坐標(biāo)
        x_min = x_center - (crop_size / 2)
        y_min = y_center - (crop_size / 2)
        x_max = x_center + (crop_size / 2)
        y_max = y_center + (crop_size / 2)

        # 確保裁剪窗口不超出tif圖像的邊界
        x_min = max(0, min(x_min, src.width - 1))
        y_min = max(0, min(y_min, src.height - 1))
        x_max = min(src.width, max(x_max, 0))
        y_max = min(src.height, max(y_max, 0))

        # 創(chuàng)建裁剪窗口
        window = ((int(y_min), int(y_max)), (int(x_min), int(x_max)))

        # 讀取裁剪窗口內(nèi)的圖像數(shù)據(jù)
        out_img = src.read(window=window)

        # 更新元數(shù)據(jù)
        out_meta = src.meta.copy()
        out_meta.update({
            "height": y_max - y_min,
            "width": x_max - x_min,
            "transform": rasterio.transform.from_origin(x_min, y_max, transform[0], transform[4])
        })

        # 保存裁剪的tif文件
        with rasterio.open(output_tif_path, 'w', **out_meta) as dst:
            dst.write(out_img)

        show(out_img)

# 使用函數(shù)
tif_path = r'E:\jwztestnew\杭州濱江.tif'
shp_path = r'E:\jwztestnew\newshp_5584_centroid.shp'
output_tif_path = r'E:\jwztestnew\杭州濱江_cropped1.tif'
crop_tif_around_centroid(tif_path, shp_path, output_tif_path)

加強(qiáng)版：提取shp文件中各個(gè)多邊形的中心點(diǎn)輸出為shp，然后提取各個(gè)點(diǎn)位以該點(diǎn)位的“TBBM”值為索引，查找文件夾下與之對(duì)應(yīng)的tif，對(duì)相應(yīng)的tif進(jìn)行裁剪，獲得512*512的矩形框

第一段代碼：實(shí)現(xiàn)中心點(diǎn)的提取

import geopandas as gpd

def get_all_centroids_with_attributes(input_shp_path, output_shp_path):
    """
    提取輸入shapefile文件中所有有效多邊形的中心點(diǎn)，并將“TBBM”列數(shù)據(jù)作為屬性保存到新的shapefile中。

    參數(shù):
    input_shp_path (str): 輸入shapefile文件的路徑。
    output_shp_path (str): 輸出shapefile文件的路徑。
    """
    # 讀取shapefile文件
    gdf = gpd.read_file(input_shp_path)

    # 過(guò)濾掉幾何對(duì)象為None的記錄
    gdf_with_geometry = gdf.dropna(subset=['geometry'])

    # 計(jì)算所有有效多邊形的中心點(diǎn)
    centroids = gdf_with_geometry['geometry'].head(10).apply(lambda x: x.centroid)

    # 為了將“TBBM”列數(shù)據(jù)與中心點(diǎn)關(guān)聯(lián)，我們需要?jiǎng)?chuàng)建一個(gè)包含中心點(diǎn)和對(duì)應(yīng)“TBBM”值的新字典
    centroids_with_attributes = [{"geometry": centroid, "TBBM": gdf_with_geometry.loc[gdf_with_geometry.index, 'TBBM'].iloc[i]} for i, centroid in enumerate(centroids)]

    # 創(chuàng)建一個(gè)新的GeoDataFrame來(lái)存儲(chǔ)所有中心點(diǎn)和屬性
    centroids_gdf = gpd.GeoDataFrame(centroids_with_attributes, crs=gdf.crs)

    # 輸出所有中心點(diǎn)和屬性到新的shapefile
    centroids_gdf.to_file(output_shp_path)

# 使用函數(shù)
input_shp_path = r'E:\jwztestnew\newshp_5584(1)\newshp_5584.shp'
output_shp_path = r'E:\jwztestnew\center\newshp_5584_10_centroids_with_bttm.shp'
get_all_centroids_with_attributes(input_shp_path, output_shp_path)

第二段代碼：根據(jù)提取到的中心點(diǎn)做緩沖區(qū)矩形

import geopandas as gpd
import rasterio
import os
from rasterio.windows import Window
from rasterio.transform import Affine


def crop_tif_around_centroid_for_each_tbbm(tif_dir, shp_path, output_dir, crop_size=512):
    # 讀取shapefile文件以獲取中心點(diǎn)坐標(biāo)和TBBM列的值
    gdf = gpd.read_file(shp_path)

    # 創(chuàng)建輸出目錄，如果不存在
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

    # 遍歷shapefile中的每個(gè)點(diǎn)
    for index, row in gdf.iterrows():
        tbbm = row['TBBM']
        centroid = row['geometry'].centroid
        print(f'處理TBBM值為 {tbbm} 的點(diǎn) {index + 1}。')

        # 在tif目錄下查找名稱與TBBM值一致的tif文件
        tif_files = [f for f in os.listdir(tif_dir) if f.startswith(tbbm) and f.endswith('.tif')]
        if not tif_files:
            print(f'未找到TBBM值為 {tbbm} 的tif文件。')
            continue

        # 處理每個(gè)找到的tif文件
        for tif_file in tif_files:
            print(f'開(kāi)始處理文件：{tif_file}。')
            tif_path = os.path.join(tif_dir, tif_file)
            output_tif_path = os.path.join(output_dir, tif_file)

            with rasterio.open(tif_path) as src:
                # 獲取tif文件的地理變換參數(shù)
                transform = src.transform

                # 將中心點(diǎn)的地理坐標(biāo)轉(zhuǎn)換為像素坐標(biāo)
                y_center, x_center = rasterio.transform.rowcol(transform, centroid.x, centroid.y)

                # 計(jì)算裁剪窗口的左上角和右下角像素坐標(biāo)
                x_min = x_center - (crop_size / 2)
                y_min = y_center - (crop_size / 2)
                x_max = x_center + (crop_size / 2)
                y_max = y_center + (crop_size / 2)

                # 確保裁剪窗口不超出tif圖像的邊界
                x_min = max(0, min(x_min, src.width - 1))
                y_min = max(0, min(y_min, src.height - 1))
                x_max = min(src.width, max(x_max, 0))
                y_max = min(src.height, max(y_max, 0))
                width = x_max - x_min
                height = y_max - y_min

                # 創(chuàng)建裁剪窗口
                window = Window(x_min, y_min, width, height)

                # 讀取裁剪窗口內(nèi)的圖像數(shù)據(jù)
                out_img = src.read(window=window)

                # 新的仿射變換系數(shù)
                coord_ltx, coord_lty = rasterio.transform.xy(transform, y_min, x_min)
                window_affine = Affine(
                    src.transform[0],  # X 像素尺寸
                    src.transform[1],  # X 方向旋轉(zhuǎn)
                    coord_ltx,  # X 偏移量
                    src.transform[3],  # Y 方向旋轉(zhuǎn)
                    src.transform[4],  # Y 像素尺寸
                    coord_lty  # Y 偏移量
                )
                new_transform = window_affine

                # 更新元數(shù)據(jù)
                out_meta = src.meta.copy()
                out_meta.update({
                    "height": y_max - y_min,
                    "width": x_max - x_min,
                    "transform": new_transform
                })

            # 保存裁剪的tif文件
            with rasterio.open(output_tif_path, 'w', **out_meta) as dst:
                dst.write(out_img)

            print(f'文件 {tif_file} 處理完成，已保存到 {output_tif_path}。')


# 使用函數(shù)
tif_dir = 'E:\\jwztestnew\\20240329_Sample_8bit'
shp_path = 'E:\\jwztestnew\\center\\newshp_5584_all_centroids_with_bttm.shp'
output_dir = 'Z:\\YuXuening\\ProcessData\\20240410_Sample_8bit_512'
crop_tif_around_centroid_for_each_tbbm(tif_dir, shp_path, output_dir)