Python批量填补遥感影像的无效值NoData

偏执的太偏执、 2024-03-22 22:38 98阅读 0赞

本文介绍基于**Python**中**ArcPy**模块，对大量栅格遥感影像文件**批量**进行**无效值**（**NoData**值）填充的方法。

在处理栅格图像文件时，我们经常会遇到图像中存在有无效值（即**NoData**值）的情况。如下图所示，这里有一个**矢量面要素图层**和该矢量图层范围对应的一景**栅格图像**；可以看到，由于该栅格图像存在无效值**NoData**，因此栅格图像是没有完全遮盖矢量图层的。

![18df5b4c6863588be0186c354a493570.png][]

在一些情况下，这些无效值可能会对我们的后续图像处理操作带来很多麻烦。那么，我们可以通过代码，对大量存在**NoData**值的栅格图像进行无效值填充。

首先，我们来明确一下本文的具体需求。现有一个存储有多张`.tif`格式遥感影像的文件夹，且文件夹内除了`.tif`格式的遥感影像文件外，还具有其它格式的文件。

![2ad1dfa7278f97759c0af653510fda12.png][]

其中，每一个`.tif`格式遥感影像都存在若干无效值像元；我们希望对每一张遥感影像进行**NoData**值的填充。

明确了需求后，我们就可以开始具体的操作。首先，本文所需用到的代码如下。

# -*- coding: utf-8 -*-
    """
    Created on Tue Apr 19 14:53:49 2022
    
    @author: fkxxgis
    """
    
    import arcpy
    from arcpy.sa import *
    
    tif_file_path="E:/LST/Data/MODIS/13_Average/"
    fill_file_path="E:/LST/Data/MODIS/14_AverageFill/"
    arcpy.env.workspace=tif_file_path
    
    tif_file_name=arcpy.ListRasters("*","tif")
    for tif_file in tif_file_name:
        fill_file=arcpy.sa.Con(IsNull(tif_file),
                               FocalStatistics(tif_file,NbrAnnulus(1,12,"CELL"),"MEAN"),
                               tif_file)
        fill_result_path=fill_file_path+tif_file.strip(".tif")+"_Fill.tif"
        fill_file.save(fill_result_path)

其中，`tif_file_path`是原有填充无效值前遥感图像的保存路径，`fill_file_path`是我们新生成的填充无效值后遥感影像的保存路径，也就是结果保存路径。

首先，我们利用`arcpy.ListRasters()`函数，获取路径下原有的全部`.tif`格式的图像文件；接下来，遍历`tif_file_path`路径下全部`.tif`格式图像文件，并分别执行`arcpy.sa.Con()`这个栅格计算函数。其中，该函数中`IsNull(tif_file)`表示首先选择每一景图像中的无效值像元，随后通过`FocalStatistics()`函数进行无效值的填充；`NbrAnnulus(1,12,"CELL")`参数表示，以当前无效值像元为圆心，`12`为圆环外半径，`1`为圆环内半径，构建一个圆环作为**参考区域**，从而以圆环内所有像元的值作为参考进行圆心处该无效值像元的填充（除了圆环，还可以设置矩形、扇形、圆形等）；`"MEAN"`参数表示以刚刚这个圆环中全部像元数值的平均值作为圆心处该无效值像元的数值。最后，我们在原有遥感影像文件名后添加`"_Fill.tif"`后缀，作为填充后遥感影像文件的新文件名。

在 **IDLE (Python GUI)** 中运行代码。代码运行完毕后，我们选取一景图像，对比填充前后的图像结果，如下图所示；其中，这一张是填充前图像。

![b2e662f8a172c30962bf60815130be2f.png][]

这一张则为填充后图像。

![3c96c5c8e3eb43c0c200bf82dd20331b.png][]

通过对比，我们可以看到填充后图像中的空白区域（**NoData**值区域）已经明显较之填充前图像有了很大程度的减少（图像右下角尤为明显）。如果大家想让更多的**NoData**值区域得到填充，就可以将`FocalStatistics()`函数中设定的**参考区域**的范围更大一些；当然，这样也会稍微降低填充值的精度，大家结合实际需要来操作即可。

[18df5b4c6863588be0186c354a493570.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/a17a274bb4e140e5b79fda52c60773bf.png
[2ad1dfa7278f97759c0af653510fda12.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/d26f305433e340f38d1d506983dda9ae.png
[b2e662f8a172c30962bf60815130be2f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/69f4dacafc3a4bb58d6ea511faa9b6fb.png
[3c96c5c8e3eb43c0c200bf82dd20331b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3f42d2de5fe844db88af0ab2a4b4487e.png