Python修复遥感影像条带的两种方式

GDAL修复Landsat ETM+影像条带

Landsat7 ETM+卫星影像因为卫星传感器故障，致使此后获取的影像出现了条带。以下图所示, 影像中均匀的布满条带。

使用GDAL修复影像条带的代码以下：

def gdal_repair(tif_name, out_name, bands):
    """
        tif_name(string): 源影像名
        out_name(string): 输出影像名
        bands(integer): 影像波段数
    """
    # 打开影像文件
    tif = gdal.Open(tif_name)
    
    # 根据文件类型获取对应的驱动程序
    driver = gdal.GetDriverByName('GTiff')
    
    # 根据指定文件的驱动程序，使用现有数据集建立新的可写数据集
    # 全部支持建立新文件的驱动程序都支持该`CreateCopy()`方法，     # 但仅`Create()`部分支持该方法
    # CreateCopy的第一个参数为目标文件名，第二个参数为源数据集
    # 第三个参数的值是`0`或`1`，值是`0`。即便没法将原始数据准确地转换为目标数据，程序仍将执行
    new_img = driver.CreateCopy(out_name, tif, 0)
  
    for i in tqdm(range(1, bands)):
        # 分别对每一个波段处理
        band = new_img.GetRasterBand(i)
        
        # 使用FillNodata对条带部分进行插值
        gdal.FillNodata(targetBand = band, maskBand = band, maxSearchDist = 15, smoothingIterations=0)
        
        # 将修复好的波段写入新数据集中
        new_img.GetRasterBand(i).WriteArray(band.ReadAsArray())

修复以后的效果图以下所示：

Opencv修复Landsat ETM+影像条带

使用opencv修复影像的代码以下：

def cv2_repair(tif_name):
    # 读取tif影像
    tif_data = gdal_array.LoadFile(tif_name).astype('float32')

    # 获取掩膜
    mask = tif_data.sum(axis=0)
    mask = (mask == 0).astype(np.uint8)
    
    bands = tif_data.shape[0]

    res = []
    for i in tqdm(range(bands)):
        # cv.Inpaint(src, inpaintMask, dst, inpaintRadius, flags)
        # src：源图像，能够是8位、16位无符号整型和32位浮点型1通道或者8位无符号3通道
        # inpaintMask：掩膜，8位无符号整型
        # dst：和源图像具备同样大小的输出
        # inpaintRadius：算法考虑的每一个已修复点的圆形邻域的半径         # flags：修复算法类型，可选cv2.INPAINT_NS和cv2.INPAINT_TELEA
        
        repaired = cv2.inpaint(tif_data[i], mask, 3, flags=cv2.INPAINT_TELEA)
        res.append(repaired)

    return np.array(res)

修复以后的结果图：

使用opencv修复影像，速度要比Gdal慢许多，但修复质量更好。

Reference

https://www.bogotobogo.com/py...

https://gis.stackexchange.com...