利用GDAL根据栅格影像DN值实现颜色渲染

项目需求

项目中需要使用影像做差值计算后根据其DN值进行密度分割渲染

项目构想

• 1、主要根据CreateColorRamp()添加条带
• 2、根据SetRasterColorTable()渲染
  需要注意的是渲染值必须是int型或者byte，所以如果你的DN值是小数等，建议对数据进行拉伸处理，再进行渲染。

代码实现

• ReadTheRaster.py

    def writeRasterInformation(self, data, Savepath, nband):
        # driver = self.dataset.GetDriver()
        driver = gdal.GetDriverByName('GTiff')  # 自己指定生成类型
        writeable = driver.Create(Savepath, self.cols, self.rows, self.bands, gdal.GDT_Byte)  # TODO  新建数据集
        writeable.SetGeoTransform(self.geotrans)  # 写入仿射变换参数
        writeable.SetProjection(self.proj)  # 写入投影
        for i in range(nband):
            writeable.GetRasterBand(i + 1).WriteArray(data[i], 0, 0)
            writeable.GetRasterBand(i + 1).SetNoDataValue(0)  # todo 给各波段设置nodata值
            writeable.GetRasterBand(i + 1).FlushCache()  # todo 波段统计量

            #  获取拉伸后数据最大值最小值  进行等分5分
            mindata = writeable.GetRasterBand(i + 1).GetStatistics(0, 1)[0]
            maxdata = writeable.GetRasterBand(i + 1).GetStatistics(0, 1)[1]
            ###渲染部分代码
            itemdata = int((maxdata - mindata) / 5)  # 等分五份取整
            colortabledata = [(0, 255, 255), (72, 255, 72), (255, 255, 72), (255, 190, 72), (255, 72, 72), (255, 29, 29)]
            ct = gdal.ColorTable()
            for j in range(4):
                ct.CreateColorRamp(int(mindata + j * itemdata), colortabledata[j], int(mindata + (j + 1) * itemdata),
                                   colortabledata[j])
                band = writeable.GetRasterBand(i + 1)
                band.SetRasterColorTable(ct)
            ct.CreateColorRamp(int(mindata + 4 * itemdata), colortabledata[4], int(maxdata), colortabledata[5])
            band = writeable.GetRasterBand(i + 1)
            band.SetRasterColorTable(ct)
            ###渲染代码
            returnData=[mindata,maxdata,colortabledata]
            print(writeable.GetRasterBand(i + 1).GetStatistics(0, 1))  # todo 计算波段统计量  输出为min\max \Mean\stddev
        return returnData

• 调用

#TODO  RASTERFUNCTION
def computoffset(ds,db): # TODO 计算偏移量从而得出行列号
    data1=ds.computedoffset()
    data2=db.computedoffset()
    xoffset = int((data1[0] - data2[0]) / data1[1])
    yoffset = int((data1[3] - data2[3]) / data1[5])
    data = [xoffset, yoffset]
    return data
def getcludedata(n,ds,db):   # TODO 重新切片切成大小相同的
    # data = db.getRasterInformation(n)[38:25697, 97:10678]  #TODO 调整为多少行多少列  先化为相同行相同列 即二维数组切片
    data = db.getRasterInformation(n)[computoffset(ds,db)[1]:ds.computeRows()+computoffset(ds,db)[1], computoffset(ds,db)[0]:db.computeCols()]  # TODO 调整为多少行多少列  先化为相同行相同列 即二维数组切片
    return data
def getcludedata2(n,ds,db):
    data = ds.getRasterInformation(n)[0:ds.computeRows(),0:db.computeCols()-computoffset(ds,db)[0]]
    return data
def getIntersection(n,ds,db,strainRate):
    data1=getcludedata2(n,ds,db)
    data2=getcludedata(n,ds,db)
    data2[data1==0]=0 # todo 将data1中为0位置的元素对应把data2中的元素也置为0
    data1[data2==0]=0 # todo 将data2中为0位置的元素对应把data1中的元素也置为0
    result=abs(data2-data1)
    return  strainRate*result   ###线性拉伸
    
ds = ReadTheRaster.ReadRaster(TheFirstfilepath) #TODO 文件路径
db = ReadTheRaster.ReadRaster(TheSecondefilepath)
status = ds.writeRasterInformation([getIntersection(1, ds, db,20)],outputfilepath, 1) 

效果展示