java+gdal实现影像重投影
java+gdal实现影像重投影
GDAL功能很强大，用来处理影像数据，今天我要做的是java代码写的影像重投影，网上参考资料大都是c++和python写的，也看了一些大牛写的代码，最后写出了java版的，eclipse写的，直接引用一个gdal.jar包，不过要有一些dll文件，网上有相关的java配置jdal库的博客，不配置jdal会报错：本地库错误。还有对于gdal读取六参数geoTransform的理解，我在这方面没理解好，耗费了一些时间，会在下文讲到。我的源数据与目标数据具有相同的基准面，属于严密转换，实现起来较为简单。实现重投影要需要以下几个步骤：
- 源影像仿射变换系数及投影获取
- 目标影像信息写入
- ReprojectImage重新投影
- 重采样（本人需求）
参考博文：
1.GDAL库学习笔记(三):GDAL创建数据集
2.GDAL之栅格重投影
3.GDAL影像投影转换
以上博文中，1和3是用C++写的代码，2是用python写的。关于背景知识以上博文讲诉的较为详细，这里只做简单描述：
影像要进行投影转换，首先要自带坐标系，然后看源影像坐标系统和目标坐标系统。本文进行的是严密转换，同一基准面下的地理坐标系转到投影坐标系。
现将java代码中用的GDAl主要函数列出来，做简要说明：
GetProjectionRef() 获取源影像的坐标参考
GetGeoTransform() 读取六参数，具体含义参考以上引用博文
CloneGeogCS() 获取一个投影系中的地理系，投影坐标系是地理坐标投影的结果，
CoordinateTransformation ct = new CoordinateTransformation(src_Crs, oLatLong);两种坐标系统的变换关系
ReprojectImage(Dataset src_ds, Dataset dst_ds, String src_wkt, String dst_wkt, int eResampleAlg)实现重投影的函数
先在eclipse中新建工程->包->类，导入gdal.jar包，配置好gdal（实际运行在dll），以下是参考代码，注释较为详细，可以更改：
package readTifftest;
import org.gdal.gdal.Dataset;
import org.gdal.gdal.Driver;
import org.gdal.gdal.gdal;
import org.gdal.gdalconst.gdalconstConstants;
import org.gdal.osr.CoordinateTransformation;
import org.gdal.osr.SpatialReference;
/**
*
* @author Administrator
* @ClassName:Resample
* @Version 版本
* @ModifiedBy 修改人
* @date 2018年1月16日 下午2:49:43
*/
public class GDAL_Resample {
public static void main(String[] args) {
// TODO Auto-generated method stub
Resample("E:\\database\\overview\\J46_弃用\\J46D001010.png","E:\\database\\overview\\J46\\J46D001010.tif");
}
/**
* 影像投影转换并重采样得到输出影像，同一个椭球体基准面下的转换就是严密的转换
* @param input 输入影像路径
* @param output 输出影像路径
*/
public static void Resample(String input,String output){
//String agentfile=output.substring(0, output.lastIndexOf("."))+".tif";
//注册GDAL
gdal.AllRegister();
//只读方式读取数据
Dataset pSrc = gdal.Open(input,gdalconstConstants.GA_ReadOnly);
if (pSrc == null)
return;
//打开的影像像素、波段等信息
int numBands=pSrc.GetRasterCount(); //读取影像波段数
int xSize = pSrc.GetRasterXSize();//栅格尺寸
int ySize = pSrc.GetRasterYSize();//
int depth=pSrc.GetRasterBand(1).GetRasterDataType();//图像深度
String src_wkt=pSrc.GetProjectionRef();//获取源图像crs
SpatialReference src_Crs=new SpatialReference(src_wkt);//构造投影坐标系统的空间参考(wkt)
double[] geoTransform = pSrc.GetGeoTransform();
//图像范围
double xmin = geoTransform[0];
double ymax = geoTransform[3];
double w_src = geoTransform[1];//像素宽度
double h_src = geoTransform[5];//像素高度
double xmax = geoTransform[0] + xSize * w_src;
double ymin = geoTransform[3] + ySize * h_src;
//设置输出图像的坐标
SpatialReference oLatLong;
oLatLong = src_Crs.CloneGeogCS(); //获取该投影坐标系统中的地理坐标系
//构造一个从投影坐标系到地理坐标系的转换关系
CoordinateTransformation ct = new CoordinateTransformation(src_Crs, oLatLong);
// 此注释为错误计算过程
// double dst1[]=ct.TransformPoint(xmin,ymax);
// double dst2[]=ct.TransformPoint(xmax,ymin);
// double dstxmin = dst1[0];
// double dstymax = dst1[1];
// double dstxmax = dst2[0];
// double dstymin = dst2[1]; //39.67609572370327
//计算目标影像的左上和右下坐标,即目标影像的仿射变换参数,投影转换为经纬度
double a[]= ct.TransformPoint(xmin, ymax);
double b[]= ct.TransformPoint(xmax, ymax);
double c[]= ct.TransformPoint(xmax, ymin);
double d[]= ct.TransformPoint(xmin, ymin);
double dbX[]={a[0],b[0],c[0],d[0]};
double dbY[]={a[1],b[1],c[1],d[1]};
GDAL_Resample test=new GDAL_Resample();
test.res(dbX);//按从小到大排列
double dstxmin=dbX[0];
double dstxmax=dbX[3];
test.res(dbY);
double dstymin=dbY[0];
double dstymax=a[1];
double[] adfGeoTransform=new double[6];
adfGeoTransform[0]=dstxmin;
adfGeoTransform[3]=dstymin;
adfGeoTransform[1]=(dbX[3]-dbX[0])/xSize;
adfGeoTransform[5]=(dbY[3]-dbY[0])/ySize;
//adfGeoTransform[2]=(dstxmax-adfGeoTransform[0]-xSize*adfGeoTransform[1])/ySize;
// adfGeoTransform[4]=(dbY[3]-adfGeoTransform[3]-ySize*adfGeoTransform[5])/xSize;
//创建输出图像
Driver driver = gdal.GetDriverByName("GTiff");
driver.Register();
String[] options={"INTERLEAVE=PIXEL"};
Dataset pDst = driver.Create(output,xSize,ySize,numBands,depth,options);
//写入仿射变换系数及投影
String dst_wkt=oLatLong.ExportToWkt();
pDst.SetGeoTransform(adfGeoTransform);
pDst.SetProjection(dst_wkt);
/*eResampleAlg采样模式
* GRA_NearestNeighbour=0 最近邻法，算法简单并能保持原光谱信息不变；缺点是几何精度差，灰度不连续，边缘会出现锯齿状
GRA_Bilinear=1 双线性法，计算简单，图像灰度具有连续性且采样精度比较精确；缺点是会丧失细节；
GRA_Cubic=2 三次卷积法，计算量大，图像灰度具有连续性且采样精度高；
GRA_CubicSpline=3 三次样条法，灰度连续性和采样精度最佳；
GRA_Lanczos=4 分块兰索斯法，由匈牙利数学家、物理学家兰索斯法创立，实验发现效果和双线性接近；
*/
//重新投影
gdal.ReprojectImage(pSrc, pDst, src_wkt, dst_wkt, 3);
pDst.delete();
pSrc.delete();
}
/**
* 比较大小，得到最大值与最小值
* @param arr
* @return
*/
public double[] res(double[] arr){
for(int i=0;i<arr.length;i++){
for(int j=0;j<arr.length-i-1;j++){
if(arr[j]>arr[j+1]){
double temp=arr[j];
arr[j]=arr[j+1];
arr[j+1]=temp;
}
}
}
return arr;
}
}