栅格数据转换成矢量数据python代码
    在GIS相关的数据处理过程中，经常会遇到将栅格数据转换成矢量数据的需求。本文将介绍使用Python代码实现栅格到矢量的转换过程，实现从tiff格式的高程栅格数据转换成shp格式的矢量数据。
    1.导入相关的Python库
    本次转换所需的库包括GDAL、OSR、ogr、numpy、math，需要在Python环境中安装。
    ```
from osgeo import gdal,ogr,osr
import numpy as np
import math
```
    2.定义需要转换的栅格数据路径
    ```
src_path = 'test_dem.tiff'
```
    3.获取栅格数据的基本信息
    GDAL库提供了获取栅格数据基本信息的方法，通过下面的代码可得到栅格数据的行数、列数和波段数，以及地理坐标系和投影信息。
    ```
def GetGeoInfo(filename):
python代码转换    dataset = gdal.Open(filename)
    cols = dataset.RasterXSize
    rows = dataset.RasterYSize
   
    bands = dataset.RasterCount
   
    geotransform = dataset.GetGeoTransform()
    projection = dataset.GetProjection()
    return cols, rows, bands, geotransform, projection
cols, rows, bands, geotransform, projection = GetGeoInfo(src_path)
```
    4.将栅格数据读入数组中
    使用GDAL库将栅格数据读入numpy数组中，这样可以方便对它进行进一步的处理。
    ```
def read_tiff(filename):
 
    dataset=gdal.Open(filename)
 
    if dataset is None:
 
      print('Could not open ' + filename)
 
      it(1)
 
    cols = dataset.RasterXSize
 
    rows = dataset.RasterYSize
 
    bands = dataset.RasterCount
 
    data = dataset.ReadAsArray(0, 0, cols, rows)
 
    return data
    data = read_tiff(src_path)
```
    5.从栅格数组中提取矢量要素
    将栅格数组中的高程值进行阈值分割，得到一个布尔类型的数组。然后通过对这个数组进行腐蚀和膨胀操作，得到目标要素的外形轮廓。同时设置目标要素的地理坐标系以及属性信息。
    ```
def raster2vector(data,geotransform,projection):
    shape = np.shape(data)
    dst_layername = "test_polygon"
   
    mem_driver = ogr.GetDriverByName("memory")
   
    mem_ds = mem_driver.CreateDataSource('out')
   
    srs = osr.SpatialReference()
    srs.ImportFromWkt(projection)
   
    dst_layer = mem_ds.CreateLayer(dst_layername, srs)
   
    fd = ogr.FieldDefn('Value', ogr.OFTInteger)
    dst_layer.CreateField(fd)
    # get threshold and create binary numpy array
    threshold = 10
    binary_array = np.zeros(shape, dtype=bool)
    binary_array[data >= threshold] = True
    se = np.ones((3,3), dtype=bool)
    eroded = np.zeros(shape, dtype=bool)
    dilated = np.zeros(shape, dtype=bool)
    for j in range(shape[0]):
        eroded[j,:] = np.logical_not(np.logical_xor(binary_array[j,:], se[0,1]))
        dilated[j,:] = np.logical_not(np.logical_xor(binary_array[j,:], se[1,1]))
    for i in range(shape[1]):
        eroded[:,i] = np.logical_and(eroded[:,i], np.logical_not(np.logical_xor(binary_array[:,i], se[1,0])))
        dilated[:,i] = np.logical_and(dilated[:,i], np.logical_not(np.logical_xor(binary_array[:,i], se[1,1])))       
    contours = dilated.astype(np.uint8) - eroded.astype(np.uint8)
    contours_poly = []
    for contour in contours:
        contour_poly = []
        points = np.o(contour))
        hull_index = vexHull(points, returnPoints=False)
        hull_points = points[hull_index.squeeze()]
        contour_poly.append(hull_points)
        contours_poly.append(contour_poly)
    for contour in contours_poly:
        multipoly = ogr.Geometry(ogr.wkbMultiPolygon)
        ring = ogr.Geometry(ogr.wkbLinearRing)
        for point in contour[0]:
            px = geotransform[0] + point[1] * geotransform[1] + point[0] * geotransform[2]
            py = geotransform[3] + point[1] * geotransform[4] + point[0] * geotransform[5]
            ring.AddPoint(px,py)
        poly = ogr.Geometry(ogr.wkbPolygon)
        poly.AddGeometry(ring)
        multipoly.AddGeometry(poly)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。