GDAL是空间数据处理的开源包，支持多种数据格式的读写。遥感图像是一种带大地坐标的栅格数据，遥感图像的栅格模型包含以下两部分的内容：

栅格矩阵：由正方形或者矩形栅格点组成，每个栅格点所对应的数值为该点的像元值，在遥感图像中用于表示地物属性值；遥感图像有单波段与多波段，波段表示地物属性的种类，每个波段表示地物一种属性。

大地坐标：空间数据参考表示地图的投影信息；仿射矩阵能将行列坐标映射到面坐标上。

GDAL读写遥感数据的代码：

from osgeo import gdalimport osclass GRID: #读图像文件 def read_img(self,filename): dataset=gdal.Open(filename) #打开文件 im_width = dataset.RasterXSize #栅格矩阵的列数 im_height = dataset.RasterYSize #栅格矩阵的行数 im_geotrans = dataset.GetGeoTransform() #仿射矩阵 im_proj = dataset.GetProjection() #地图投影信息 im_data = dataset.ReadAsArray(0,0,im_width,im_height) #将数据写成数组，对应栅格矩阵 del dataset return im_proj,im_geotrans,im_data #写文件，以写成tif为例 def write_img(self,filename,im_proj,im_geotrans,im_data): #gdal数据类型包括 #gdal.GDT_Byte, #gdal .GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32, #gdal.GDT_Float32, gdal.GDT_Float64 #判断栅格数据的数据类型 if 'int8' in im_data.dtype.name: datatype = gdal.GDT_Byte elif 'int16' in im_data.dtype.name: datatype = gdal.GDT_UInt16 else: datatype = gdal.GDT_Float32 #判读数组维数 if len(im_data.shape) == 3: im_bands, im_height, im_width = im_data.shape else: im_bands, (im_height, im_width) = 1,im_data.shape #创建文件 driver = gdal.GetDriverByName("GTiff") #数据类型必须有，因为要计算需要多大内存空间 dataset = driver.Create(filename, im_width, im_height, im_bands, datatype) dataset.SetGeoTransform(im_geotrans) #写入仿射变换参数 dataset.SetProjection(im_proj) #写入投影 if im_bands == 1: dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据 else: for i in range(im_bands): dataset.GetRasterBand(i+1).WriteArray(im_data[i]) del datasetif __name__ == "__main__": os.chdir(r'D:\Python_Practice') #切换路径到待处理图像所在文件夹 run = GRID() proj,geotrans,data = run.read_img('LC81230402013164LGN00.tif') #读数据 print proj print geotrans print data print data.shape run.write_img('LC81230402013164LGN00_Rewrite.tif',proj,geotrans,data) #写数据

在GDAL遥感影像读写的基础上，我们可以进行遥感图像的各种公式计算和统计分析。

例如我们所熟知的计算NDVI（归一化植被指数），只要在以上代码倒数第二行中插入代码：

import numpy as npdata = data.astype(np.float)ndvi = (data[3]-data[2])/(data[3]+data[2]) #3为近红外波段；2为红波段run.write_img('LC81230402013164LGN00_ndvi.tif',proj,geotrans,ndvi) #写为ndvi图像

当然，这是理想的NDVI，实际处理NDVI还会遇到一些其他要处理的问题。例如NDVI值应该在区间[-1，1]内，但实际中会出现大于1或小于-1的情况，或者某些像点是坏点，出现空值nan，需要进一步的配套处理。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。