could be decompression bomb DOS attack

在使用Keras训练模型的时候，需要从文件夹中读取一系列的图片，由于Keras在将图片输入模型中时，使用的是PIL来进行导入，在我的样本中有一些很大图片，例如卫星影像，大尺寸地图等；由于超过了PIL尺寸的限制，会报错：

DecompressionBombWarning: Image size (139332960 pixels) exceeds limit of 89478485 pixels, could be decompression bomb DOS attack.

解决的办法是使用其他的开源库，来打开这些大图片，试了一下Opencv，skimage都不行，由于楼主有遥感专业背景，就想着能不能分波段将图片读进去，然后将这些大图进行降采样，这样就可以解决这个警告啦！而且也不会影响模型的训练！那这个时候就需要使用到我们今天的主角：

GDAL - Geospatial Data Abstraction Library

Python安装GDAL非常的简单，网上一大堆的教程，简单编译一下就是了！这里楼主就不再提了，如果你实在不会编译的话，那么就用我这边已经编译好的吧：

点击打开链接

当安装完毕后，直接将每个波段读取进来：

r = dataset.GetRasterBand(1)
g = dataset.GetRasterBand(2)
b = dataset.GetRasterBand(3)

然后将每个波段进行降采样：

            # 设定新图像的宽和高
                newX = 2000
                newY = 2000

            # 对每个波段进行resize
                data1 = r.ReadAsArray(0, 0, x, y, newX, newY)
                data2 = g.ReadAsArray(0, 0, x, y, newX, newY)
                data3 = b.ReadAsArray(0, 0, x, y, newX, newY)
            # print(data1.mean(), data2.mean(), data3.mean())

然后拼接成一个新的array就可以了：

# 将波段融合在一起
    data = np.dstack([data1, data2, data3])

# 波段转化为图像
    im = Image.fromarray(data)

这样就可以完美的解决这些超大图像的读入问题啦！

could be decompression bomb DOS attack

猜你喜欢