Python GDAL+numpy遙感圖像處理過程中背景像元處理方法

我們在處理遙感圖像過程中，經常要涉及到背景像元的處理，遙感影像通常采用規則矩形數組存儲，而有效影像區域往往是不規則數據，這就涉及到背景像元值的處理問題。

大多軟件對於遙感圖像背景值處理是記為0值，也有的是-9999、-19999、nodata、nan等。

有些計算，背景值不影響計算結果，這裡的計算結果是指影像區域的計算結果，背景值往往還是會產生變化的，但是有些變化是非0值計算為0值了，所以我們打開影像的時候顯示也沒多大變化。有些計算背景值會對計算產生錯誤結果，後面將詳細介紹。

打個比方，以影像背景值為-19999為例，比如landsat的數據產品，有的就是以該值為背景值，這個值作為背景值可以有效區分影像中的0值，以零值為背景值就容易和影像中的0值混在一起。

我們使用numpy生成一個數組，將部分值手動修改為-19999，作為背景值。這裡就不用gdal讀取影像數據作為數組了，如有需要可以參考以前寫的專欄文章：遙感圖像處理https://blog.csdn.net/soderayer/category_11011395.html。

下面我們使用numpy隨機生成兩個數組，就設置為10行10列吧。隨機范圍設置在（-10000，10000）。

img_array1=np.random.randint(-10000,10000,(10,10))
img_array2=np.random.randint(-10000,10000,(10,10))
print(img_array1)
print(img_array2)

生成兩個數組分別為：

[[ 8721 7329 -2775 -6596 5229 7148 1385 1711 700 -7822]
[ -816 -8182 30 -4158 5816 -5305 5669 5625 3552 -384]
[-3565 5693 4146 8107 -2774 -4736 3292 9236 241 -8017]
[ 2066 -9807 -241 -6861 7028 6369 6259 -5660 -1612 5498]
[ 6978 -1917 -39 -5350 5398 -9869 4032 3451 6517 -3606]
[-9431 -7302 8738 3456 -3984 -8229 -9269 2655 -3206 4163]
[-7831 2560 800 -6254 9050 3982 1317 8016 5144 1791]
[ 9465 773 8575 -6392 -9249 2405 9490 -341 -9153 7140]
[ 2088 4 5321 9371 -9785 -5229 3681 -6103 -6100 1233]
[-1987 3837 4125 3227 4257 -3267 7863 1640 -583 -7665]]

[[-7408 -1577 3365 5674 -7981 -9032 9326 6460 -4230 -859]
[ 9197 -7282 6126 -2568 6494 7313 -1999 -2293 7415 7533]
[ 7307 -6304 8747 -793 -9423 619 9281 -3042 4621 822]
[ 7328 5918 -5312 -2999 -8226 -6250 -5463 -9790 -200 -7922]
[ 7339 -974 -4859 -5033 -3066 -4912 -5041 8331 -8908 2473]
[-7276 4051 5302 -7259 -1645 5275 1527 1811 -9701 4537]
[-7924 719 3889 8950 15 -228 8703 -5319 -621 6546]
[-9236 5188 8391 9077 8269 -7798 817 -3914 8359 -5854]
[-9905 2167 1676 -3345 6357 2736 -3426 3897 8539 -552]
[ 162 766 8993 175 9677 1460 3250 -193 -5935 4897]]

我們將連個數組的外圍兩圈改為-19999：

rows=[0,1,8,9]
cols=[0,1,8,9]
for i in rows:
for j in range(0,10):
img_array1[i][j]=-19999
img_array2[i][j] = -19999
for i in cols:
for j in range(0,10):
img_array1[j][i]=-19999
img_array2[j][i] = -19999

[[-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]
[-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]
[-19999 -19999 4146 8107 -2774 -4736 3292 9236 -19999 -19999]
[-19999 -19999 -241 -6861 7028 6369 6259 -5660 -19999 -19999]
[-19999 -19999 -39 -5350 5398 -9869 4032 3451 -19999 -19999]
[-19999 -19999 8738 3456 -3984 -8229 -9269 2655 -19999 -19999]
[-19999 -19999 800 -6254 9050 3982 1317 8016 -19999 -19999]
[-19999 -19999 8575 -6392 -9249 2405 9490 -341 -19999 -19999]
[-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]
[-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]]

[[-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]
 [-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]
 [-19999 -19999   8747   -793  -9423    619   9281  -3042 -19999 -19999]
 [-19999 -19999  -5312  -2999  -8226  -6250  -5463  -9790 -19999 -19999]
 [-19999 -19999  -4859  -5033  -3066  -4912  -5041   8331 -19999 -19999]
 [-19999 -19999   5302  -7259  -1645   5275   1527   1811 -19999 -19999]
 [-19999 -19999   3889   8950     15   -228   8703  -5319 -19999 -19999]
 [-19999 -19999   8391   9077   8269  -7798    817  -3914 -19999 -19999]
 [-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]
 [-19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999 -19999]]

遙感圖像指數運算的本質其實就是數組加減乘除運算以及各種邏輯運算。下面是數組的加減乘除運算，其實就是數組中對應位置的數值的加減乘除運算。

###數組加減乘除運算 數組和常數的加減乘除，省略
plus_array=img_array1+img_array2
print("plus_array:")
print(plus_array)
minus_array=img_array1-img_array2
print("minus_array:")
print(minus_array)
multiply_array=img_array1*img_array2
print("multiply_array:")
print(multiply_array)
divide_array=img_array1/img_array2
print("divide_array:")
print(divide_array)

計算結果：

plus_array:
[[-39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998]
[-39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998]
[-39998 -39998 12893 7314 -12197 -4117 12573 6194 -39998 -39998]
[-39998 -39998 -5553 -9860 -1198 119 796 -15450 -39998 -39998]
[-39998 -39998 -4898 -10383 2332 -14781 -1009 11782 -39998 -39998]
[-39998 -39998 14040 -3803 -5629 -2954 -7742 4466 -39998 -39998]
[-39998 -39998 4689 2696 9065 3754 10020 2697 -39998 -39998]
[-39998 -39998 16966 2685 -980 -5393 10307 -4255 -39998 -39998]
[-39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998]
[-39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998 -39998]]
minus_array:
[[ 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0]
[ 0 0 -4601 8900 6649 -5355 -5989 12278 0 0]
[ 0 0 5071 -3862 15254 12619 11722 4130 0 0]
[ 0 0 4820 -317 8464 -4957 9073 -4880 0 0]
[ 0 0 3436 10715 -2339 -13504 -10796 844 0 0]
[ 0 0 -3089 -15204 9035 4210 -7386 13335 0 0]
[ 0 0 184 -15469 -17518 10203 8673 3573 0 0]
[ 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0]]
multiply_array:
[[399960001 399960001 399960001 399960001 399960001 399960001 399960001
399960001 399960001 399960001]
[399960001 399960001 399960001 399960001 399960001 399960001 399960001
399960001 399960001 399960001]
[399960001 399960001 36265062 -6428851 26139402 -2931584 30553052
-28095912 399960001 399960001]
[399960001 399960001 1280192 20576139 -57812328 -39806250 -34192917
55411400 399960001 399960001]
[399960001 399960001 189501 26926550 -16550268 48476528 -20325312
28750281 399960001 399960001]
[399960001 399960001 46328876 -25087104 6553680 -43407975 -14153763
4808205 399960001 399960001]
[399960001 399960001 3111200 -55973300 135750 -907896 11461851
-42637104 399960001 399960001]
[399960001 399960001 71952825 -58020184 -76479981 -18754190 7753330
1334674 399960001 399960001]
[399960001 399960001 399960001 399960001 399960001 399960001 399960001
399960001 399960001 399960001]
[399960001 399960001 399960001 399960001 399960001 399960001 399960001
399960001 399960001 399960001]]
divide_array:
[[ 1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 4.73991083e-01 -1.02232030e+01
2.94386077e-01 -7.65105008e+00 3.54703157e-01 -3.03616042e+00
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 4.53689759e-02 2.28776259e+00
-8.54364211e-01 -1.01904000e+00 -1.14570749e+00 5.78140960e-01
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 8.02634287e-03 1.06298430e+00
-1.76060013e+00 2.00916124e+00 -7.99841301e-01 4.14235986e-01
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 1.64805734e+00 -4.76098636e-01
2.42188450e+00 -1.56000000e+00 -6.07007204e+00 1.46604086e+00
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 2.05708408e-01 -6.98770950e-01
6.03333333e+02 -1.74649123e+01 1.51327129e-01 -1.50705020e+00
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 1.02192826e+00 -7.04197422e-01
-1.11851494e+00 -3.08412413e-01 1.16156671e+01 8.71231477e-02
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00]
[ 1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00 1.00000000e+00 1.00000000e+00
1.00000000e+00 1.00000000e+00]]

從上面計算結果中，我們可以看到背景像元值-19999的變化，背景數值會跟著計算產生各種變化，那麼如何讓這個背景值不產生變化呢？或者將背景值每次運算結果都保持為0值。

我們可以采用一下兩種辦法實現：

方法一：使用條件運算強行改變背景值

條件運算函數：np.where（三元運算符）

np.where(nparray == -19999, -19999, nparray+-*/n )

 以上代碼含義是，如果數組的值等於-19999，就賦值為-19999，否則計算為新的數值，即只計算非背景數值.更復雜的運算就需要設置更多種條件運算了。

在arcgis中顯示nodata的背景，我們使用gdal讀取的時候可以認為是0值進行處理。

方法二:采用數據記錄背景值位置，待所有計算完成之後從新賦值為背景值

依舊使用條件運算函數：np.where（三元運算符）

location_array=np.where(nparray == -19999, 0, 1)

 以上代碼含義是，如果數組的值等於-19999，就賦值為0，否則為1.

所有計算完成之後，我們可以使用最後計算得到的數組，將背景值都賦值為0：

end_array=end_array*location_array

 或者保留-19999：

end_array=end_array*location_array
end_array=np.where(end_array== 0, -19999, end_array)