基於Python實現nc批量轉tif格式

Posted on by

由於做項目需要運用到netCDF格式的氣象數據，而ArcGIS中需要用柵格影像進行處理，對於較多的文件，ArcGIS一個個手動轉換過於繁瑣，因此我們采用Python進行轉換，當然也可以采用matlab進行轉換。

首先需要安裝下面幾個庫：

import os
import netCDF4 as nc
import numpy as np
from osgeo import gdal, osr, ogr
import glob

我們可以在下面網址中尋找對應python安裝版本的安裝包，下載後，在pycharm控制臺中直接安裝即可。例如pip install netCDF4-1.5.8-cp39-cp39-

win_amd64.whl

https://www.lfd.uci.edu/~gohlke/pythonlibs/

安裝之後即可進行轉換：

def nc2tif(data, Output_folder):
    tmp_data = nc.Dataset(data)  # 利用.Dataset()方法讀取nc數據
    print('tmp_data', tmp_data)
 
    Lat_data = tmp_data.variables['lat'][:]
    Lon_data = tmp_data.variables['lon'][:]
    # print(Lat_data)
    # print(Lon_data)
 
    tmp_arr = np.asarray(tmp_data.variables['temp'])
 
    # 影像的左上角&右下角坐標
    Lonmin, Latmax, Lonmax, Latmin = [Lon_data.min(), Lat_data.max(), Lon_data.max(), Lat_data.min()]
    # print(Lonmin, Latmax, Lonmax, Latmin)
 
    # 分辨率計算
    Num_lat = len(Lat_data)  # 5146
    Num_lon = len(Lon_data)  # 7849
    Lat_res = (Latmax - Latmin) / (float(Num_lat) - 1)
    Lon_res = (Lonmax - Lonmin) / (float(Num_lon) - 1)
    # print(Num_lat, Num_lon)
    # print(Lat_res, Lon_res)
 
    for i in range(len(tmp_arr[:])):
        # i=0,1,2,3,4,5,6,7,8,9,...
        # 創建tif文件
        driver = gdal.GetDriverByName('GTiff')
        out_tif_name = Output_folder + '\\' + data.split('\\')[-1].split('.')[0] + '_' + str(i + 1) + '.tif'
        out_tif = driver.Create(out_tif_name, Num_lon, Num_lat, 1, gdal.GDT_Int16)
 
        # 設置影像的顯示范圍
        # Lat_re前需要添加負號
        geotransform = (Lonmin, Lon_res, 0.0, Latmax, 0.0, -Lat_res)
        out_tif.SetGeoTransform(geotransform)
 
        # 定義投影
        prj = osr.SpatialReference()
        prj.ImportFromEPSG(4326)  # WGS84
        out_tif.SetProjection(prj.ExportToWkt())
 
        # 數據導出
        out_tif.GetRasterBand(1).WriteArray(tmp_arr[i])  # 將數據寫入內存，此時沒有寫入到硬盤
        out_tif.FlushCache()  # 將數據寫入到硬盤
        out_tif = None  # 關閉tif文件
 
def main():
    Input_folder = r"E:\competition\航天宏圖\2-meter air temperature_CMFD\Data_forcing_01yr_010deg\\"
    # Input_folder = r"E:\competition\航天宏圖\2-meter air temperature_CMFD\Data_forcing_01mo_010deg\\"
    Output_folder = r"E:\competition\航天宏圖\2-meter air temperature_CMFD\tif\\"
 
    # 讀取所有數據
    data_list = glob.glob(os.path.join(Input_folder + '*.nc'))
    print(data_list)
 
    for i in range(len(data_list)):
        data = data_list[i]
        nc2tif(data, Output_folder)
        print(data + '轉tif成功')

值得註意的是，tmp_arr = np.asarray(tmp_data.variables['temp'])中的temp可以根據需要轉換的波段進行選擇，我們可以在讀取數據之後print一下，找到對應的波段進行替換即可。如下圖中我們應該選擇的就是temp。

完成上述步驟即可得到所需的tif圖像：

在上述代碼中，經過處理的影像是倒置的，可能是處理過程中仿射矩陣讀寫錯誤導致的。因此我們可以在寫入影像的時候，進行影像的垂直鏡像操作即可：WriteArray(ndvi_arr_float[i][::-1]) 

def NC_to_tiffs(data, Output_folder):
    nc_data_obj = nc.Dataset(data)
    Lon = nc_data_obj.variables['lon'][:]
    Lat = nc_data_obj.variables['lat'][:]
    ndvi_arr = np.asarray(nc_data_obj.variables['temp'])  
    ndvi_arr_float = ndvi_arr.astype(float) / 10000  之間
    # 影像的左上角和右下角坐標
    LonMin, LatMax, LonMax, LatMin = [Lon.min(), Lat.max(), Lon.max(), Lat.min()]
    # 分辨率計算
    N_Lat = len(Lat)
    N_Lon = len(Lon)
    Lon_Res = (LonMax - LonMin) / (float(N_Lon) - 1)
    Lat_Res = (LatMax - LatMin) / (float(N_Lat) - 1)
    for i in range(len(ndvi_arr[:])):
        driver = gdal.GetDriverByName('GTiff')
        out_tif_name = Output_folder + '\\' + data.split('\\')[-1].split('.')[0] + '_' + str(i + 1) + '.tif'
        out_tif = driver.Create(out_tif_name, N_Lon, N_Lat, 1, gdal.GDT_Float32)
       
        geotransform = (LonMin, Lon_Res, 0, LatMax, 0, -Lat_Res)
        out_tif.SetGeoTransform(geotransform)
      
        srs = osr.SpatialReference()
        srs.ImportFromEPSG(4326) 
        out_tif.SetProjection(srs.ExportToWkt()) 
        # 數據寫出
        out_tif.GetRasterBand(1).WriteArray(ndvi_arr_float[i][::-1])  # 將數據寫入內存，此時沒有寫入硬盤 此處[::-1]用於圖像的垂直鏡像對稱，避免圖像顛倒
        out_tif.FlushCache()  # 將數據寫入硬盤
        out_tif = None  # 註意必須關閉tif文件

這樣便可以得到正確輸出的影像：

當然，我們除瞭在寫入時做垂直鏡像操作之外，還可以利用python對圖像進行幾何變換來實現翻轉。具體代碼如下：

圖像水平翻轉：

#  圖像水平翻轉
    im_data_hor = np.flip(im_data, axis=2)
    hor_path = train_image_path + "\\" + str(tran_num) + imageList[i][-4:]
    writeTiff(im_data_hor, im_geotrans, im_proj, hor_path)

標簽水平翻轉： 

 #  標簽水平翻轉
    Hor = cv2.flip(label, 1)
    hor_path = train_label_path + "\\" + str(tran_num) + labelList[i][-4:]
    cv2.imwrite(hor_path, Hor)
    tran_num += 1

圖像垂直翻轉：

 #  圖像垂直翻轉
    im_data_vec = np.flip(im_data, axis=1)
    vec_path = train_image_path + "\\" + str(tran_num) + imageList[i][-4:]
    writeTiff(im_data_vec, im_geotrans, im_proj, vec_path)

標簽垂直翻轉：

 #  標簽垂直翻轉
    Vec = cv2.flip(label, 0)
    vec_path = train_label_path + "\\" + str(tran_num) + labelList[i][-4:]
    cv2.imwrite(vec_path, Vec)
    tran_num += 1

圖像鏡像翻轉：

 #  圖像對角鏡像
    im_data_dia = np.flip(im_data_vec, axis=2)
    dia_path = train_image_path + "\\" + str(tran_num) + imageList[i][-4:]
    writeTiff(im_data_dia, im_geotrans, im_proj, dia_path)

標簽鏡像翻轉：

 #  標簽對角鏡像
    Dia = cv2.flip(label, -1)
    dia_path = train_label_path + "\\" + str(tran_num) + labelList[i][-4:]
    cv2.imwrite(dia_path, Dia)
    tran_num += 1

若是輸出路徑的文件夾沒有建立好，則會報如下錯誤。當然，為瞭減少工作量，也可以定義一個函數，如果路徑不存在則自動創建，就可以解決這個問題。

到此這篇關於基於Python實現nc批量轉tif格式的文章就介紹到這瞭,更多相關Python nc轉tif內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：