Questions tagged «geotiff-tiff»

引用地理参考或非地理参考的TIFF(标记图像文件格式)文件时,请使用此标签。

1
默认情况下,我应该一直使用BIGTIFF = YES吗?
我有时会为不太熟练GDAL /编程的同事写一些简短的脚本/工作说明。 为了防止脚本出现任何问题,在使用GDAL合并/转换geotiffs时,无论使用什么文件大小,我都尝试仅使用BIGTIFF = YES选项,以使意外错误不会使脚本用户感到困惑。这样做有什么弊端吗? 为什么默认情况下不启用BIGTIFF,尤其是在当今> 4 GB GeoTIFF文件非常普遍的今天?

1
用gdal拼接图像时能否保留褪色的alpha图层?
我正在用gdal镶嵌一些图像,并想通过朝每个图像的边缘使用淡入/渐变Alpha层来消除马赛克中间的尖锐边缘来改善最终结果。我遇到的问题是,每个带有渐变Alpha层的图像的一部分在最终的镶嵌图中都将其下方的图像掩盖了,而不是半透明的,如下所示: 理想情况下,我希望使用这种渐变透明度将一张图像逐渐淡入另一张图像。 我执行的生成镶嵌的步骤如下: 将gcps添加到原始图像以对其进行地理位置定位和正确定向(依次对每个图像进行处理): gdal_translate -of GTiff -a_srs EPSG:4326 -a_srs EPSG:4326 -gcp 1616 0 -88.2728612066 40.5175787437 -gcp <etc., etc.> <original_image_with_gradual_alpha>.tif <image_with_gradual_alpha_and_gcps>.tif 将图像扭曲到正确定向的新geotiff(依次对每个图像执行): gdalwarp -s_srs EPSG:4326 -t_srs EPSG:4326 -dstnodata 0 <image_with_gradual_alpha_and_gcps>.tif <warped_geotiff_with_alpha>.tif 将所有变形的图像合并到一个马赛克中: gdalbuildvrt -srcnodata 0 mosaic.vrt <warped_geotiff_with_alpha_root>*.tif gdal_translate mosaic.vrt mosaic.tif 我链接的图像是mosaic.tif。 gdalinfo提供样本输入文件: Driver: GTiff/GeoTIFF Files: dsc00562.tif Size is 1616, 1080 …


3
gdalmerge生成的文件太大
我正在尝试将60个geotiff文件合并为一个大文件,以便能够使用gdal2tiles从产生的巨大geotiff文件中生成切片。 合并过程可以正常工作,但是由于某种原因,它会生成一个大小为78GB的文件,而不是预期的19GB。不太确定那里出了什么问题。 尝试这样做的原因是因为将60个Geotiff一张一张地叠起来,在地图边框上给了我空白。

2
将巨大的XYZ CSV转换为GeoTIFF
我有大量CSV格式的数据,其中包含UTM坐标X和Y和高程值作为Z信息。我需要将这些数据转换为GeoTIFF的DEM以便进一步分析。在这种情况下,大量意味着16 m。线,具有在一个点X,Y和Z每行。这些点是均匀分布的,因此不需要插值;每个点仅需要转换为栅格像元。 原始数据不带分隔符,列宽固定。我已经弄清楚了如何使用流文本编辑器sed将文件语法转换为使用分隔符而不是固定宽度并消除所有空格字符。从这里开始,通常,我的工作流程是通过根据和数据创建要素类,将数据导入ArcGIS X,Y然后Z第二步,使用“ 指向栅格”工具将点shapefile转换为GeoTIFF 。但是,对于该过程,我当前拥有的文件太大。 除了寻找上述工作流程之外,我一直在寻找一种有效的替代方法,并发现了GDAL。但是,在gdal_translate,我可以在支持的文件类型列表中找到的最接近的受支持格式是ASCII网格,但没有逗号分隔的XYZ。另一个困难是,我有UTM坐标,而大多数示例似乎都使用十进制度坐标。但是,我需要停留在UTM系统内(或者至少,我的输出GeoTIFF必须位于UTM坐标系内)。 因此,我正在寻找一种使用GDAL将CSV XYZ转换为GeoTIFF的方法,但到目前为止,尚无法找到处理此确切问题的示例。对于某些提示甚至代码示例,我将感到非常高兴。

1
在python中使用GDAL读取,修改和编写Geotiff
我正在尝试学习使用Python GDAL绑定和numpy进行遥感图像处理的绳索。作为首次尝试,我正在读取Landsat8 geotiff文件,进行简单的操作并将结果写入新文件。下面的代码看起来工作正常,除了原始栅格转储在输出文件中,而不是转储在操纵的栅格中。 欢迎提出任何意见或建议,但要特别注意为何未在结果中显示操纵的栅格。 import os import gdal gdal.AllRegister() file = "c:\~\LC81980242015071LGN00.tiff" (fileRoot, fileExt) = os.path.splitext(file) outFileName = fileRoot + "_mod" + fileExt ds = gdal.Open(file) band = ds.GetRasterBand(1) arr = band.ReadAsArray() [cols, rows] = arr.shape arr_min = arr.Min() arr_max = arr.Max() arr_mean = int(arr.mean()) arr_out = numpy.where((arr < arr_mean), …

1
GeoServer ImageMosaic PostGIS索引更新
我使用GeoServer在此手册下创建ImageMosaic存储的位置。当我创建一个新的数据存储时,所有*.tif文件都被索引到数据库(带PostGIS的PostgreSQL)中。当我将新的geotiff放入我的数据文件夹,或在数据库中重新索引所有geotiff文件时,如何在数据库中创建新的索引条目? 我的配置文件: datastore.properties: SPI=org.geotools.data.postgis.PostgisNGDataStoreFactory host=localhost port=5432 database=GeoServerRaster schema=public user=geoserver passwd=******* Loose\ bbox=true Estimated\ extends=false validate\ connections=true Connection\ timeout=10 preparedStatements=true indexer.properties: Caching=false TimeAttribute=ingestion ElevationAttribute=elevation Schema=*the_geom:Polygon,location:String,ingestion:java.util.Date,elevation:Integer PropertyCollectors=TimestampFileNameExtractorSPI[timeregex](ingestion),DoubleFileNameExtractorSPI[elevationregex](elevation) timeregex.properties: regex=[0-9]{8}T[0-9]{6}Z(\?!.\*[0-9]{8}T[0-9]{6}Z.\*) levationregex.properties: regex=(?<=_)(\\d{1,5})(?=_) 目录中的文件: tc_10000_20140807T033115Z.tif tc_10000_20140807T040046Z.tif tc_10000_20140807T043115Z.tif ...

1
管理航空摄影仅查看的最有效格式
管理航空摄影以便在ArcGIS中查看的最有效格式是什么? 我在一些不同的公司管理航空摄影的几个数据集。我有原始照片的备份,因此我不担心以任何方式保留原始格式。我需要做的是创建一个小的数据集,因为它不会在服务器上占用太多空间,因此也可以在ArcGIS中尽快绘制。 到目前为止,我一直在文件地理数据库中使用GRID,但这仅仅是因为我认为它是标准。然后,我切换到较小的TIFF,但绘制速度似乎较慢。在进行另一次大规模转换之前,我希望有人可以对此提供指导。我听说过有关JP2的一些很棒的事情,这就是我下一步可能去的地方。 另外,我不想减小像元大小,但是除此之外,我对任何答案都没有任何限制。

6
将GeoTIFF批量转换为KMZ文件
我大约有600个GeoTIFF地图文件,每个文件的大小约为140 mb,我希望将其转换为KMZ文件,以便人们可以下载它们并将其与Garmin GPS装置,Google Earth等配合使用。 有谁知道批处理这些内容的简便方法,最好将tiff图像转换为更小的jpeg图像,作为处理的一部分? 我偶然发现了gdal_translate,我想使用“ -co COMPRESS = JPEG”选项将图像优化成更小的图像可能有用。

4
管理大量GeoTIFF栅格的最佳方法?
我大约有2-3000个1bit GeoTIFF,大小为11000x9400。颜色0应该是透明的,并且QGIS首先会弄错它,因此我使用.vrt文件将所有参数设置在一个位置。 问题是,即使我将图层设置为仅在小范围内可见,该项目也需要大量时间才能加载到QGIS中。 哪种是处理所有这些文件的最佳方法?我尝试使用草,但我不知道它是否真的可以比QGIS更快。

4
使用.NET读取GeoTiff
是否有一个托管库,用于从.NET中的geotiff文件中读取坐标? 我知道可以通过GDAL来完成,但是我正在寻找一种可管理的替代方案。

3
Raw Sentinel 2 jp2到RGB geotiff
我正在寻找一种合并Sentinel 2 jp2波段文件(B02,B03,B04)并修复RGB颜色的方法。所有这些都应使用bash或python脚本来完成。以我为例,我处理这些图像。理想情况下,解决方案应接近本教程。 我可以使用此命令合并乐队 gdal_merge.py -separate -co PHOTOMETRIC=RGB -o merged.tif B04.jp2 B03.jp2 B02.jp2 但是由于某些原因,我无法使用imagemagic命令修复RGB颜色。输出为约700MB黑色图像。 convert -channel B -gamma 1.05 -channel RGB -sigmoidal-contrast 20,20% -modulate 100,150 merged.tif merged-cc.tif 最终,我想将geotiff文件上传到mapbox上。convert欢迎解释如何选择参数。 我正在开发一个应用程序,该应用程序应猜测卫星图像的哪一部分是农田。场景图像将被切成较小的块(可能是64x64),并按CNN(crop或non-crop)分类。我使用此数据集来训练Inception-v3模型。数据集包含空间分辨率为10m的64x64 RGB图像。 有关merged.tif的更多信息 Band 1 Block=10980x1 Type=UInt16, ColorInterp=Red Metadata: STATISTICS_MAXIMUM=4818 STATISTICS_MEAN=320.61101402206 STATISTICS_MINIMUM=0 STATISTICS_STDDEV=536.76609312554 Band 2 Block=10980x1 Type=UInt16, ColorInterp=Green Metadata: STATISTICS_MAXIMUM=4206 STATISTICS_MEAN=350.98505344194 STATISTICS_MINIMUM=0 …



2
使用python gdal从GeoTiff获取坐标和相应的像素值,并将其另存为numpy数组
如何从GeoTiff文件中获取投影坐标以及这些坐标处的实际像素值,然后将其保存到numpy数组中?我有arsenci020l.tif文件,其坐标以米为单位。以下是我在上面运行的gdalinfo的摘要输出。 ~$ gdalinfo arsenci020l.tif Driver: GTiff/GeoTIFF Files: arsenci020l.tif arsenci020l.tfw Size is 10366, 7273 Coordinate System is: PROJCS["Lambert Azimuthal Equal Area projection with arbitrary plane grid; projection center 100.0 degrees W, 45.0 degrees N", GEOGCS["WGS 84", DATUM["WGS_1984", SPHEROID["WGS 84",6378137,298.257223563, AUTHORITY["EPSG","7030"]], AUTHORITY["EPSG","6326"]], PRIMEM["Greenwich",0], UNIT["degree",0.0174532925199433], AUTHORITY["EPSG","4326"]], PROJECTION["Lambert_Azimuthal_Equal_Area"], PARAMETER["latitude_of_center",45], PARAMETER["longitude_of_center",-100], PARAMETER["false_easting",0], PARAMETER["false_northing",0], UNIT["metre",1, AUTHORITY["EPSG","9001"]]] …

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.