利用python批量掩膜提取遥感图像_批量按掩膜提取

（1） 前言

遥感影像的提取和分析在地理信息系统、环境监测、农业、城市规划等领域具有重要的应用价值。按掩膜提取遥感影像是一种常用的方法，它可以通过定义掩膜来选择感兴趣的区域，并排除其他干扰因素。

按掩膜提取遥感影像的方法可以分为两个主要步骤：掩膜定义和影像提取。
掩膜定义
是指根据研究目的和需求，确定感兴趣的区域，并将其转化为掩膜图层。常用的掩膜定义方法包括手动绘制、阈值分割、形态学操作等。

影像提取
是指根据掩膜图层，将感兴趣的区域从原始遥感影像中提取出来。常用的影像提取方法包括像元级提取、基于对象的提取等。（本文主要方向）

• 研究区概况：福建省厦门市
• Landsat4 TM 影像，7波段共7景影像
• Python版本：2.7.0
• 文末附arcmap官方批量迭代器处理掩膜文件的代码，不建议使用（容易报错）
  
• 将批量掩膜结果导入arcgis
  

（2） python代码实现

#!/usr/bin/env python
# -*- coding:utf-8 -*- 
"""
@author: LIFEI
@time: 2023/8/22 13:28 
@file: print_file.py
@project: main.py
@describe: CWNU
"""

import os
import arcpy
from arcpy import env
from arcpy.sa import *

# 创建批量掩膜提取遥感影像的类
class RSshapemask:
    # 构造函数
    def __init__(self,major_path,workplace,mask_path,outputpath):
        # 存放待掩膜影像的文件夹路径
        self.majorpath = major_path
        # arcpy的工作空间，代码并不会在此路径中生成数据
        self.workplace = workplace
        # 存放掩膜数据的文件夹路径，记住arcgis创建掩膜数据之后需要对其进行定义投影
        self.mask_path = mask_path
        # 掩膜之后的文件输出路径
        self.outputpath = outputpath

    # 批量读取文件的路径并存储于列表中的子函数
    def readimgpath(self):
        # 创建空列表
        img_path_base = []
        # os库中listdir作用于访问指定文件夹中的文件，注意是所有文件
        for filename in os.listdir(self.majorpath):
            # 字符串拼接文件夹和文件名
            img_path = self.majorpath + '/' + filename
            # 将拼接的字符串传入列表
            img_path_base.append(img_path)
            # 由于汉字编码的问题，输出采用英文打印
            print('The remote sensing image being read is:',img_path)
        print("全部读取完成!")
        return img_path_base # 返回列表

    # 批量掩膜提取输出的子函数
    def masekhandle(self,img_base):
        # 当前掩膜的工作空间，最好是独立于数据文件的其他路径
        env.workspace = self.workplace
        for i in range(0, len(img_base)):
            comFilePath = img_base[i]
            # 字符串拼接输出文件夹和文件名，必须含有后缀
            outFilePathName = self.outputpath + str(i + 1) + ".tif"
            # ExtractByMsak_sa函数专门用于掩膜提取的工具
            outExtractByMask = arcpy.gp.ExtractByMask_sa(comFilePath, self.mask_path, outFilePathName)
            # 目的防止出错
            env.overwriteOutput = True
            # 打印
            print("The remote sensing image being output for mask extraction is:",outFilePathName)
        print("掩膜提取完成!")

# 主函数
if __name__ == '__main__':
    # 构造函数参数设置，注意路径中为'/'，直接复制粘贴的路径为'\'
    # 1、手动将'\'改为'/'; 2、在路径前面加上r防止路径转义 ;
    project = RSshapemask('D:/data/img',
                          "D:/data/result",
                          "D:/data/shp/shp.shp",
                          "D:/data/result/landsat4_TM")
    img_path_base = project.readimgpath() # 将第一个子函数返回列表赋值给img_path_base
    project.masekhandle(img_path_base) # 传入第二个子函数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69

（3） 运行结果

亲测有效，花费时间大约20秒

掩膜结果输出展示：

（4）arcmap官方批量迭代器处理掩膜文件的代码

提示：谨慎运行，大概率会报错

# -*- coding: utf-8 -*-
# ---------------------------------------------------------------------------
# mask.py
# Created on: 2023-08-21 14:54:08.00000
#   (generated by ArcGIS/ModelBuilder)
# Description: 
# ---------------------------------------------------------------------------

# Import arcpy module
import arcpy
# Load required toolboxes
arcpy.ImportToolbox("模型函数")
# Local variables:
img = "D:\\data\\img"
L5119043_04320100524_B10_TIF = "D:\\data\\img\\L5119043_04320100524_B10.TIF"
shp_shp = "D:\\data\\shp\\shp.shp"
v_name_ = "D:\\data\\result\\%name%"
名称 = "L5119043_04320100524_B10"
# Process: 迭代栅格数据
arcpy.IterateRasters_mb(img, "", "", "NOT_RECURSIVE")
# Process: 按掩膜提取
arcpy.gp.ExtractByMask_sa(L5119043_04320100524_B10_TIF, shp_shp, v_name_)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

（4） 掩膜原理：

按掩膜提取遥感影像的原理是基于像元级别的图像处理。掩膜定义过程中，根据研究目的和需求，将感兴趣的区域转化为二值掩膜图层。在影像提取过程中，将掩膜图层与原始遥感影像进行像元级别的运算，提取出感兴趣的区域。这种方法可以排除其他干扰因素，提高遥感影像的准确性和可靠性。

（5） 掩膜作用：

按掩膜提取遥感影像的作用主要体现在以下几个方面：

区域选择：可以根据研究目的和需求，选择感兴趣的区域进行分析和研究。
干扰排除：可以排除其他干扰因素，提高遥感影像的准确性和可靠性。
数据提取：可以从大量的遥感影像数据中提取出感兴趣的区域，减少数据处理的复杂性和计算量。
最新技术：
随着遥感技术的不断发展，按掩膜提取遥感影像的方法也在不断更新和改进。最新的技术包括：

• 深度学习方法：
  利用深度学习算法，可以自动学习和提取遥感影像中的特征，提高影像提取的准确性和效率。

• 多源数据融合：
  将多源遥感数据进行融合，可以提供更全面和准确的遥感影像提取结果。
  高分辨率影像处理：针对高分辨率遥感影像，开发了一系列针对性的处理方法，提高影像提取的精度和细节表达能力。

• 掩膜偏差求解：
  在按掩膜提取遥感影像的过程中，可能会出现掩膜偏差的情况。掩膜偏差是指由于掩膜定义不准确或影像提取算法的局限性，导致提取结果与实际情况存在差异。

为了解决掩膜偏差问题，可以采用以下方法：

• 优化掩膜定义：
  通过改进掩膜定义方法，减少掩膜偏差的发生。
• 算法改进：
  进影像提取算法，提高提取结果的准确性和可靠性。
• 数据验证：
  通过野外调查和实地验证，对提取结果进行验证和修正。

（6）结论：

按掩膜提取遥感影像是一种常用的方法，它可以通过定义掩膜来选择感兴趣的区域，并排除其他干扰因素。随着遥感技术的不断发展，最新的技术如深度学习方法和多源数据融合等，为按掩膜提取遥感影像提供了更高的准确性和效率。然而，掩膜偏差仍然是一个需要解决的问题，需要通过优化掩膜定义、算法改进和数据验证等方法来减少偏差的发生。未来，随着技术的进一步发展，按掩膜提取遥感影像的方法将会更加精确和可靠。