保存地理坐标信息的SLIC分割结果

想用易康分类，但是感觉分割的结果不太好，想结合超像素分割SLIC的方法获取分割结果，然后放入易康进行分类，网上找的资料多是jpg或png格式，没有保留地理坐标信息，遂在此记录一下，同时也可帮助有需要的遥感学子。首先是借助GDAL库，获取原始影像的仿射矩阵和地图投影信息，然后借助skimage库实现超像素分割(SLIC方法)。

from skimage.segmentation import slic  # SCLI算法包
import skimage.io as SKimg  # 读取多种栅格图
import numpy as np
from osgeo import gdal
import read_write_image as rwdef read_img(filename):dataset = gdal.Open(filename)  # 打开文件im_width = dataset.RasterXSize  # 栅格矩阵的列数im_height = dataset.RasterYSize  # 栅格矩阵的行数im_geotrans = dataset.GetGeoTransform()  # 仿射矩阵im_proj = dataset.GetProjection()  # 地图投影信息im_data = dataset.ReadAsArray(0, 0, im_width, im_height)  # 将数据写成数组，对应栅格矩阵del datasetreturn im_proj, im_geotrans, im_datadef write_img(filename, im_proj, im_geotrans, im_data):# gdal数据类型包括# gdal.GDT_Byte,# gdal.GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32,# gdal.GDT_Float32, gdal.GDT_Float64# 判断栅格数据的数据类型if 'int8' in im_data.dtype.name:datatype = gdal.GDT_Byteelif 'int16' in im_data.dtype.name:datatype = gdal.GDT_UInt16else:datatype = gdal.GDT_Float32# 判读数组维数if len(im_data.shape) == 3:im_bands, im_height, im_width = im_data.shapeelse:im_bands, (im_height, im_width) = 1, im_data.shape# 创建文件driver = gdal.GetDriverByName("GTiff")  # 数据类型必须有，因为要计算需要多大内存空间dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)dataset.SetGeoTransform(im_geotrans)  # 写入仿射变换参数dataset.SetProjection(im_proj)  # 写入投影if im_bands == 1:dataset.GetRasterBand(1).WriteArray(im_data)  # 写入数组数据else:for i in range(im_bands):dataset.GetRasterBand(i + 1).WriteArray(im_data[i])del datasetpath = r"H:\test\test.tif"
proj, geotrans, data = read_img(path)# 读取影像信息
img = SKimg.imread(path)
# 超像素分割
segments = slic(img, n_segments=260, sigma=5)  # 设置分割数量
segments1 = segments.astype(np.uint16)output = r"H:\test\testshp\result3.tif"
write_img(output, proj, geotrans, segments1)

结果图：

 然后在arcgis里面用栅格转面工具，转成矢量数据，就可以导入易康进行分类了。

保存地理坐标信息的SLIC分割结果

想用易康分类，但是感觉分割的结果不太好，想结合超像素分割SLIC的方法获取分割结果，然后放入易康进行分类，网上找的资料多是jpg或png格式，没有保留地理坐标信息，遂在此记录一下，同时也可帮助有需要的遥感学子。首先是借助GDAL库，获取原始影像的仿射矩阵和地图投影信息，然后借助skimage库实现超像素分割(SLIC方法)。

from skimage.segmentation import slic  # SCLI算法包
import skimage.io as SKimg  # 读取多种栅格图
import numpy as np
from osgeo import gdal
import read_write_image as rwdef read_img(filename):dataset = gdal.Open(filename)  # 打开文件im_width = dataset.RasterXSize  # 栅格矩阵的列数im_height = dataset.RasterYSize  # 栅格矩阵的行数im_geotrans = dataset.GetGeoTransform()  # 仿射矩阵im_proj = dataset.GetProjection()  # 地图投影信息im_data = dataset.ReadAsArray(0, 0, im_width, im_height)  # 将数据写成数组，对应栅格矩阵del datasetreturn im_proj, im_geotrans, im_datadef write_img(filename, im_proj, im_geotrans, im_data):# gdal数据类型包括# gdal.GDT_Byte,# gdal.GDT_UInt16, gdal.GDT_Int16, gdal.GDT_UInt32, gdal.GDT_Int32,# gdal.GDT_Float32, gdal.GDT_Float64# 判断栅格数据的数据类型if 'int8' in im_data.dtype.name:datatype = gdal.GDT_Byteelif 'int16' in im_data.dtype.name:datatype = gdal.GDT_UInt16else:datatype = gdal.GDT_Float32# 判读数组维数if len(im_data.shape) == 3:im_bands, im_height, im_width = im_data.shapeelse:im_bands, (im_height, im_width) = 1, im_data.shape# 创建文件driver = gdal.GetDriverByName("GTiff")  # 数据类型必须有，因为要计算需要多大内存空间dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)dataset.SetGeoTransform(im_geotrans)  # 写入仿射变换参数dataset.SetProjection(im_proj)  # 写入投影if im_bands == 1:dataset.GetRasterBand(1).WriteArray(im_data)  # 写入数组数据else:for i in range(im_bands):dataset.GetRasterBand(i + 1).WriteArray(im_data[i])del datasetpath = r"H:\test\test.tif"
proj, geotrans, data = read_img(path)# 读取影像信息
img = SKimg.imread(path)
# 超像素分割
segments = slic(img, n_segments=260, sigma=5)  # 设置分割数量
segments1 = segments.astype(np.uint16)output = r"H:\test\testshp\result3.tif"
write_img(output, proj, geotrans, segments1)

结果图：

 然后在arcgis里面用栅格转面工具，转成矢量数据，就可以导入易康进行分类了。