当前位置 博文首页 > python 使用GDAL实现栅格tif转矢量shp的方式小结

    python 使用GDAL实现栅格tif转矢量shp的方式小结

    作者:GIS开发者 时间:2021-09-18 18:43

    前言

    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,代码比较简单。
    原始tif影像(12.8MB)如下:

    原始tif

    核心函数

    GDAL中栅格转矢量的函数主要是以下两个,二者的参数没有任何区别,只是功能有区别:

    FPolygonize(*args, **kwargs)

    FPolygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int

    将每个像元转成一个矩形。

    Polygonize(*args, **kwargs) **

    Polygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char ** options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int

    将每个像元转成一个矩形,然后将相似的像元进行合并。

    转换代码

    from osgeo import gdal, ogr, osr
    import os
    import datetime
    import numpy as np
    
    path = "Z_NAFP20210727.tif"
    
    
    if __name__ == '__main__':
        start_time = datetime.datetime.now()
    
        inraster = gdal.Open(path)  # 读取路径中的栅格数据
        inband = inraster.GetRasterBand(1)  # 这个波段就是最后想要转为矢量的波段,如果是单波段数据的话那就都是1
        prj = osr.SpatialReference()
        prj.ImportFromWkt(inraster.GetProjection())  # 读取栅格数据的投影信息,用来为后面生成的矢量做准备
    
        outshp = path[:-4] + ".shp"  # 给后面生成的矢量准备一个输出文件名,这里就是把原栅格的文件名后缀名改成shp了
        drv = ogr.GetDriverByName("ESRI Shapefile")
        if os.path.exists(outshp):  # 若文件已经存在,则删除它继续重新做一遍
            drv.DeleteDataSource(outshp)
        Polygon = drv.CreateDataSource(outshp)  # 创建一个目标文件
        Poly_layer = Polygon.CreateLayer(path[:-4], srs=prj, geom_type=ogr.wkbMultiPolygon)  # 对shp文件创建一个图层,定义为多个面类
        newField = ogr.FieldDefn('value', ogr.OFTReal)  # 给目标shp文件添加一个字段,用来存储原始栅格的pixel value,浮点型,
        Poly_layer.CreateField(newField)
    
        gdal.Polygonize(inband, None, Poly_layer, 0)  # 核心函数,执行的就是栅格转矢量操作
        # gdal.FPolygonize(inband, None, Poly_layer, 0)  # 只转矩形,不合并
        Polygon.SyncToDisk()
        Polygon = None
        end_time = datetime.datetime.now()
        print("Succeeded at", end_time)
        print("Elapsed Time:", end_time - start_time)  # 输出程序运行所需时间

    转换效果

    • 使用FPolygonize

    转换之后的矢量数据有270MB,非常大,打开非常卡

    FPolygonize转换效果

    • 使用Polygonize

    合并之后的矢量数据有48MB,相对第一种方法数据量大大减少

    Polygonize转换效果

    jsjbwy
    下一篇:没有了