如何使用Python获取栅格中每个像素的XY坐标和像元值？

我是Python的新手，我想知道是否存在一种快速方法来在ArcGIS 10中使用Python逐个像素获取栅格像元值以及坐标（每个像素中心的地图XY坐标）？

为了进一步描述这一点，我需要获取第一个像素的地图X，地图Y和像元值，并将这三个值分配给三个变量，并对其余的其他像素重复此步骤（遍历整个栅格）。

我想我需要更多地描述我的问题。问题是，我需要获取第一个栅格的像素的XY位置，并获取与该XY位置相对应的其他几个栅格的像元值。此过程应遍历第一个栅格的每个像素，而无需创建任何中间点shapefile，因为这将真的非常耗时，因为我必须处理具有近80亿像素的栅格。另外，我需要在ArcGIS 10中使用Python进行此操作。

@JamesS：非常感谢您的建议。是的，这将适用于一个栅格，但是我还需要收集其他几个栅格的像元值。问题是，在获取第一栅格的第一个像素的X和Y坐标之后，我需要获取第二栅格的像元值，该值对应于第一栅格的X，Y位置，然后是第三栅格，依此类推。因此，我认为在遍历第一个栅格时，应该同时完成像素的X和Y位置以及与该位置相对应的其他栅格的像元值的获取，但我不确定。这可以通过将第一个栅格转换为点shapefile并在ArcGIS 10中执行将多值提取为点功能来完成，但是我

@hmfly：谢谢，是的，如果我可以获取数组的已知行和列值的坐标，则此方法（RastertoNumpyarray）将起作用。

@whuber：我不想执行任何计算，我要做的就是将XY坐标和单元格值写入文本文件，仅此而已

遵循@Dango的想法，我创建并测试了（在具有相同范围和像元大小的小型栅格上）以下代码：

import arcpy, numpy

inRaster = r"C:\tmp\RastersArray.gdb\InRaster"
inRaster2 = r"C:\tmp\RastersArray.gdb\InRaster2"

##Get properties of the input raster
inRasterDesc = arcpy.Describe(inRaster)

#coordinates of the lower left corner
rasXmin = inRasterDesc.Extent.Xmin
rasYmin = inRasterDesc.Extent.Ymin

# Cell size, raster size
rasMeanCellHeight = inRasterDesc.MeanCellHeight
rasMeanCellWidth = inRasterDesc.MeanCellWidth
rasHeight = inRasterDesc.Height
rasWidth = inRasterDesc.Width

##Calculate coordinates basing on raster properties
#create numpy array of coordinates of cell centroids
def rasCentrX(rasHeight, rasWidth):
    coordX = rasXmin + (0.5*rasMeanCellWidth + rasWidth)
    return coordX
inRasterCoordX = numpy.fromfunction(rasCentrX, (rasHeight,rasWidth)) #numpy array of X coord

def rasCentrY(rasHeight, rasWidth):
    coordY = rasYmin + (0.5*rasMeanCellHeight + rasHeight)
    return coordY
inRasterCoordY = numpy.fromfunction(rasCentrY, (rasHeight,rasWidth)) #numpy array of Y coord

#combine arrays of coordinates (although array for Y is before X, dstack produces [X, Y] pairs)
inRasterCoordinates = numpy.dstack((inRasterCoordY,inRasterCoordX))


##Raster conversion to NumPy Array
#create NumPy array from input rasters 
inRasterArrayTopLeft = arcpy.RasterToNumPyArray(inRaster)
inRasterArrayTopLeft2 = arcpy.RasterToNumPyArray(inRaster2)

#flip array upside down - then lower left corner cells has the same index as cells in coordinates array
inRasterArray = numpy.flipud(inRasterArrayTopLeft)
inRasterArray2 = numpy.flipud(inRasterArrayTopLeft2)


# combine coordinates and value
inRasterFullArray = numpy.dstack((inRasterCoordinates, inRasterArray.T))

#add values from second raster
rasterValuesArray = numpy.dstack((inRasterFullArray, inRasterArray2.T))

基于@hmfly代码，您可以访问所需的值：

(height, width, dim )=rasterValuesArray.shape
for row in range(0,height):
    for col in range(0,width):
        #now you have access to single array of values for one cell location

不幸的是，只有一个“但是”-该代码适用于可以由系统内存处理的NumPy数组。对于我的系统（8GB），最大的阵列约为9000,9000。

由于我的经验不允许我提供更多帮助，因此您可以考虑一些有关处理大型数组的建议：https : //stackoverflow.com/questions/1053928/python-numpy-very-large-matrices

arcpy.RasterToNumPyArray方法允许指定转换为NumPy数组的栅格子集（ArcGIS10帮助页面），在将大型数据集分块为子矩阵时，这很有用。

如果只想通过（行，列）获取像素值，则可以编写如下所示的arcpy脚本：

import arcpy
raster = arcpy.Raster("yourfilepath")
array = arcpy.RasterToNumPyArray(raster)
(height, width)=array.shape
for row in range(0,height):
    for col in range(0,width):
        print str(row)+","+str(col)+":"+str(array.item(row,col))

但是，如果您想获取像素的坐标，则NumPyArray无法帮助您。您可以使用RasterToPoint工具将栅格转换为点，然后通过Shape字段获取坐标。

在ArcGIS 10中将坐标和单元格值输出到文本文件的最简单方法是示例函数，不需要代码，尤其是不需要遍历每个单元格。在ArcGIS <= 9.3x栅格计算器中，它曾经像outfile.csv = sample(someraster)输出所有（非null）像元值和坐标（z，x，y格式）的文本文件一样简单。在ArcGIS 10中，“ in_location_data”参数现在是必需参数，因此您需要使用语法Sample(someraster, someraster, outcsvfile)。

编辑：您还可以指定多个栅格：Sample([someraster, anotherraster, etc], someraster, outcsvfile)。这是否适用于80亿个细胞，我不知道...

编辑：注意，我尚未在ArcGIS 10中对此进行过测试，但是多年来在<= 9.3（和工作站）中使用了示例函数。

编辑：我现在已经在ArcGIS 10中进行了测试，它不会输出到文本文件。该工具自动将文件扩展名更改为“ .dbf”。但是...以下Python代码可以正常工作，因为ArcGIS 10仍支持SOMA和MOMA地图代数语句：

import arcgisscripting
gp=arcgisscripting.create()
gp.multioutputmapalgebra(r'%s=sample(%s)' % (outputcsv,inputraster))

一种方法是使用Raster_To_Point工具，然后再使用Add_XY_Coordinates工具。您将得到一个shapefile，其中属性表中的每一行代表栅格中的一个像素，其中包含X_Coord，Y_Coord和Cell_Value的列。然后，您可以使用游标在此表上循环（或根据需要将其导出到类似Excel的文件中）。

如果仅要处理一个栅格，则可能不值得编写脚本-只需使用ArcToolbox中的工具即可。如果您需要对许多栅格执行此操作，则可以尝试如下操作：

[ 注意：我没有ArcGIS 10，也不熟悉ArcPy，所以这只是一个非常粗糙的轮廓。它未经测试，几乎肯定需要进行调整才能使其正常工作。]

import arcpy, os
from arcpy import env

# User input
ras_fold = r'path/to/my/data'           # The folder containing the rasters
out_fold = r'path/to/output/shapefiles' # The folder in which to create the shapefiles

# Set the workspace
env.workspace = ras_fold

# Get a list of raster datasets in the raster folder
raster_list = arcpy.ListRasters("*", "All")

# Loop over the rasters
for raster in raster_list:
    # Get the name of the raster dataset without the file extension
    dataset_name = os.path.splitext(raster)[0]

    # Build a path for the output shapefile
    shp_path = os.path.join(out_fold, '%s.shp' % dataset_name)

    # Convert the raster to a point shapefile
    arcpy.RasterToPoint_conversion(raster, shp_path, "VALUE")

    # Add columns to the shapefile containing the X and Y co-ordinates
    arcpy.AddXY_management(shp_path)

然后，您可以使用搜索光标或（可能更简单）使用dbfpy遍历 shapefile属性表。这将允许您从栅格（现在存储在shapefile .dbf表中）中读取数据到python变量中。

from dbfpy import dbf

# Path to shapefile .dbf
dbf_path = r'path\to\my\dbf_file.dbf'

# Open the dbf file
db = dbf.Dbf(dbf_path)

# Loop over the records
for rec in db:
    cell_no = rec['POINTID'] # Numbered from top left, running left to right along each row
    cell_x = rec['POINT_X']
    cell_y = rec['POINT_Y']
    cell_val = rec['GRID_CODE']

    # Print values
    print cell_no, cell_x, cell_y, cell_val

也许您可以为栅格创建一个世界文件，将栅格隐藏为一个numpy数组。然后，如果您遍历数组，您将获得单元格值，并且如果从世界文件中不进行更新，则您还将具有每个单元格值的坐标。希望是有用的。

Marcin的代码工作正常，除了rasCentrX和rasCentrY函数中的问题导致输出坐标以不同的分辨率出现（如Grazia所观察到的）。我的解决办法是改变

coordX = rasXmin + (0.5*rasMeanCellWidth + rasWidth)

至

coordX = rasXmin + ((0.5 + rasWidth) * rasMeanCellWidth)

和

  coordY = rasYmin + (0.5*rasMeanCellHeight + rasHeight)

至

  coordY = rasYmin + ((0.5 + rasHeight) * rasMeanCellHeight)

我使用代码将ESRI网格转换为CSV文件。这是通过删除对inRaster2的引用，然后使用csv.writer输出坐标和值来实现的：

out = csv.writer(open(outputCSV,"wb"), delimiter=',', quoting=csv.QUOTE_NONNUMERIC)
out.writerow(['X','Y','Value'])
(height, width, dim )=inRasterFullArray.shape
for row in range(0,height):
    for col in range(0,width):
        out.writerow(inRasterFullArray[row,col])

我也没有发现需要转置

inRasterFullArray = numpy.dstack((inRasterCoordinates, inRasterArray.T))

所以转换成

inRasterFullArray = numpy.dstack((inRasterCoordinates, inRasterArray))

丑陋但高效：

1. 创建一个新的点要素，其中有4个点位于所关注的栅格角之外。确保与所讨论的栅格位于同一坐标系中。
2. 添加“ xcor”和“ ycor”双字段
3. 计算几何以获得这些字段的坐标
4. 空间分析师->插值-> 趋势 -> 线性回归
5. 环境设置：将栅格和像元大小与所讨论的栅格对齐
6. 分别执行“ xcor”和“ ycor”
7. 评分者以坐标作为单元格值，用作脚本的输入。

使用开源python包的简单解决方案：

import fiona
import rasterio
from pprint import pprint


def raster_point_coords(raster, points):

    # initialize dict to hold data
    pt_data = {}

    with fiona.open(points, 'r') as src:
        for feature in src:
            # create dict entry for each feature
            pt_data[feature['id']] = feature

    with rasterio.open(raster, 'r') as src:
        # read raster into numpy array
        arr = src.read()
        # rasterio always reads into 3d array, this is 2d, so reshape
        arr = arr.reshape(arr.shape[1], arr.shape[2])
        # get affine, i.e. data needed to work between 'image' and 'raster' coords
        a = src.affine

    for key, val in pt_data.items():
        # get coordinates
        x, y = val['geometry']['coordinates'][0], val['geometry']['coordinates'][1]
        # use affine to convert to row, column
        col, row = ~a * (x, y)
        # remember numpy array is indexed array[row, column] ie. y, x
        val['raster_value'] = arr[int(row), int(col)]

    pprint(pt_data) 

if __name__ == '__main__':
    # my Landsat raster
    ras = '/data01/images/sandbox/LT05_040028_B1.tif'
    # my shapefile with two points which overlap raster area
    pts = '/data01/images/sandbox/points.shp'
    # call function
    raster_point_coords(ras, pts)

Fiona十分方便，因为您可以打开shapefile，遍历要素，并将其附加到dict对象上。确实，Fiona feature本身也是dict如此，因此很容易访问属性。如果我的点具有任何属性，它们将与坐标，id等一起出现在此字典中。

Rasterio方便使用，因为它很容易以numpy数组，轻量且快速的数据类型在栅格中读取。我们还可以访问dict包括的栅格属性affine，这是将栅格x，y坐标转换为数组row，col坐标所需的所有数据。见@ perrygeo出色的解释在这里。

我们最终得到一个pt_data类型dict，该类型具有每个点的数据并提取了raster_value。如果需要，我们也可以轻松地使用提取的数据重写shapefile。