GDAL 读取遥感影像数据

前言

❝

为了进一步对遥感影像数据进行处理，需要访问遥感影像中的数据，即影像像元灰度值。在 GDAL 中，提供了 ReadRaster() 和 ReadAsArray() 两个方法用来访问影像数据。

本篇教程在之前一系列文章的基础上讲解

GDAL 简介[1]
GDAL 下载安装[2]
GDAL 开发起步[3]

如果你还没有看过，建议从那里开始。

1. 开发环境

本文使用如下开发环境，以供参考。

时间：2025年

系统：Windows 10

Python：3.11.7

GDAL：3.7.3

Numpy：1.24.3

2. ReadRaster 方法

ReadRaster方法返回一个栅格字节流数据，具有多个参数。

xoff,yoff ：目标点距离全图原点的位置（以像元为单位）
xsize,ysize ：目标图像的矩形的长和宽（以像元为单位）
buf_xsize，buf_ysize ：图像缩放大小。用来定义缩放后图像最终的宽和高
buf_type ：对读取的数据类型进行转换（比如原图数据类型是short，可以将其缩小成byte）
band_list ：适应多波段的情况。可以指定要读取的波段。

ini 复制代码

from osgeo import gdal

# 启用异常处理（推荐）
gdal.UseExceptions()

# 打开影像文件
dataset = gdal.Open("LC08_L1TP_130042_20210212_20210304_01_T1_B1.TIF")

print(help(dataset.ReadRaster()))
# 获取目标波段数据
band = dataset.GetRasterBand(1)

print("波段数据：",band)

# 读取整个波段为字节流
bytes_stream = band.ReadRaster()

# 读取指定区域
xoff,yoff,xsize,ysize = 100,100,200,200
buf_xsize,buf_ysize = 200,200

data_bytes_region = band.ReadRaster(xoff,yoff,xsize,ysize,buf_xsize,buf_ysize)
# print("n 数据区域：",data_bytes_region)

# 指定数据类型
data_bytes_float = band.ReadRaster(buf_type=gdal.GDT_Float32)
# print("n 数据类型：",data_bytes_float3

3. ReadAsArray 方法

ReadAsArray方法与ReadRaster方法相似具有多个参数，不同的是起返回的数据为类型数组。

xoff,yoff ：目标点距离全图原点的位置（以像元为单位）
xsize,ysize ：目标图像的矩形的长和宽（以像元为单位）
buf_xsize，buf_ysize ：图像缩放大小。用来定义缩放后图像最终的宽和高
buf_type ：对读取的数据类型进行转换（比如原图数据类型是short，可以将其缩小成byte）
band_list ：适应多波段的情况。可以指定要读取的波段。

ini 复制代码

from osgeo import gdal
import numpy as np

# 启用异常处理（推荐）
gdal.UseExceptions()

# 打开影像文件
dataset = gdal.Open("LC08_L1TP_130042_20210212_20210304_01_T1_B1.TIF")

band = dataset.GetRasterBand(1)

# 读取整个波段
array = band.ReadAsArray()
print(type(array)) # <class 'numpy.ndarray'>
print(array.shape) # (行数, 列数)

# 读取指定区域
xoff,yoff,xsize,ysize = 100,100,200,200
sub_array = band.ReadAsArray(xoff,yoff,xsize,ysize)

# 分块读取
buf_xsize,buf_ysize = 100,100
array_buf = band.ReadAsArray(buf_xsize=buf_xsize,buf_ysize=buf_ysize)

4. 读取多波段数据

本例中未进行波段合成，只有一个波段数据，所以直接用dataset.GetRasterBand(1)读取波段数据。

ini 复制代码

"""
读取多波段数据
"""
import numpy as np
from osgeo import gdal

# 启用异常处理（推荐）
gdal.UseExceptions()

# 打开影像文件
dataset = gdal.Open("D:AppLC81300422021043LGN00LC08_L1TP_130042_20210212_20210304_01_T1_B1.TIF")

def read_multi_band(dataset,method="array"):
    # 获取波段总数
    bands_count = dataset.RasterCount
    rows,cols = dataset.RasterYSize,dataset.RasterXSize

    if method == "array":
        # 使用 ReadAsArray
        data = np.zeros((rows,cols,bands_count))
        for i in range(bands_count):
            band = dataset.GetRasterBand(1)
            if band:
                data[:,:,i] = band.ReadAsArray()
    elif method == "raster":
        # 使用 ReadRaster
        data = np.zeros((rows,cols,bands_count))
        for i in range(bands_count):
            band = dataset.GetRasterBand(1)
            if band:
                data_bytes = band.ReadRaster()
                # 数据转换
                band_array = np.frombuffer(data_bytes,dtype=gdal.GetDataTypeName(band.DataType).lower())
                data[:, :, i] = band_array.reshape((rows, cols))

    return data

data_bytes = read_multi_band(dataset,'raster') 
data_array = read_multi_band(dataset,'array')  

print(f"数据相等：{data_bytes == data_array}")

5. 性能测试

在GDAL中，使用ReadAsArray方法与ReadRaster方法读取栅格数据在效率上存在较大差距。经过测试发现，ReadRaster方法比起ReadAsArray方法要快很多。

python 复制代码

"""
性能测试
"""
import time
import numpy as np
from osgeo import gdal

# 启用异常处理（推荐）
gdal.UseExceptions()

# 打开影像文件
dataset = gdal.Open("D:AppLC81300422021043LGN00LC08_L1TP_130042_20210212_20210304_01_T1_B1.TIF")

band = dataset.GetRasterBand(1)

def perfomanse(band):
    # 测试ReadArray
    start_time = time.time()
    array1 = band.ReadAsArray()
    time_array = time.time() - start_time

    # 测试ReadRaster
    start_time = time.time()
    data_bytes = band.ReadRaster()
    array2 = np.frombuffer(data_bytes,dtype=gdal.GetDataTypeName(band.DataType).lower())
    array2 = array2.reshape((band.YSize,band.XSize))
    time_raster = time.time() - start_time

    print(f"ReadArray时间：{time_array:.4f} s")
    print(f"ReadRaster时间：{time_raster:.4f} s")
    print(f"结果相等: {np.array_equal(array1, array2)}")

    return time_array, time_raster

perfomanse(band)

以下是输出结果。

6. 主要区别

ReadAsArray方法与ReadRaster方法存在以下区别。ReadAsArray()方法更简单、更直接，适合大多数应用场景；而ReadRaster()方法更灵活、更底层，适合需要精细控制的高级应用。

特性	ReadRaster()	ReadAsArray()
返回类型	二进制字节流 (bytes)	NumPy数组
内存使用	较低，需要手动处理	较高，自动转换为数组
灵活性	高，可控制数据类型和读取区域	较低，但更易用
性能	需要额外转换步骤	直接返回数组，性能更好
使用复杂度	较高，需要更多代码	较低，简单易用

参考资料

1\]GDAL 简介 \[2\]GDAL 下载安装 \[3\]GDAL 开发起步