feat(utils): 重构原始影像数据转换RGBA图像的工具函数.

utils/raw_to_rgba.py

@@ -1,19 +1,26 @@
+# -*- coding: utf-8 -*-
 """
-将地表反射率图像转换为 8bit RGB 图像
+===============================================================================
+将原始数值影像转换为 8bit RGBA 图像
 
-- Red, Green, Blue 单波段图像
+- 支持 Red, Green, Blue 等单波段影像
-- 多波段图像
+- 支持多波段影像
 
-1. 对比度线性拉伸至 0-255;
+1. 将原始数据中 NoData 值替换为 NaN, 并将其设置为 Alpha 通道
-2. 合并波段;
+2. 对比度线性拉伸至 0-255;
-3. 保存为 uint8 格式 RGB 图像;
+3. 合并包含 Alpha 通道在内的 4 个波段;
+4. 保存为 uint8 格式 RGBA 图像
+
+-------------------------------------------------------------------------------
+Authors: CVEO Team
+Last Updated: 2025-01-08
+===============================================================================
 """
 
 import os
 import sys
 from pathlib import Path
 from typing import List, Optional
-
 import numpy as np
 from PIL import Image
 from osgeo import gdal
@@ -82,7 +89,7 @@ def render_image_rgb(
     output_suffix: str = "_rgb.png",
 ) -> str:
     """
-    通用 GDAL 数据源处理函数, 读取多波段图像并转换为 RGB 图像.
+    通用 GDAL 数据源处理函数, 读取多波段图像并转换为 RGBA 图像.
 
     Parameters
     ----------
@@ -95,7 +102,7 @@ def render_image_rgb(
     percentile : float, optional
         百分比截断参数 (仅用于 'percentile' 方法), by default 0.
     save_tiff : bool, optional
-        是否保存为 RGB TIFF 文件, by default True.
+        是否保存为 RGBA TIFF 文件, by default True.
     output_suffix : str, optional
         输出文件后缀, by default "_rgb.png".
 
@@ -116,17 +123,32 @@ def render_image_rgb(
     bands = bands_lst[:3]
 
     chans = []
+    # 初始化 Alpha 掩膜 (全 True 表示全不透明/有效)
+    alpha_mask = np.ones((ysize, xsize), dtype=bool)
+
     for b in bands:
         band = ds.GetRasterBand(int(b))
         nodata = band.GetNoDataValue()
         arr = band.ReadAsArray(0, 0, xsize, ysize)
+
+        # 更新 Alpha 掩膜: 任何波段为 NoData 或 NaN，则该像素透明
+        if nodata is not None:
+            alpha_mask &= ~np.isclose(arr, nodata)
+
+        if np.issubdtype(arr.dtype, np.floating):
+            alpha_mask &= np.isfinite(arr)
+
         chans.append(
             normalize_band(
                 arr, method=normalization_method, percentile=percentile, nodata=nodata
             )
         )
 
-    rgb = np.dstack(chans)
+    # 生成包含 Alpha 通道的 RGBA
+    alpha_channel = np.where(alpha_mask, 255, 0).astype(np.uint8)
+    chans.append(alpha_channel)
+
+    rgba = np.dstack(chans)
 
     # 构建输出路径
     base_path = str(tiff_path)
@@ -138,7 +160,8 @@ def render_image_rgb(
     if save_tiff:
         tiff_output_path = base_path + "_rgb.tif"
         driver = gdal.GetDriverByName("GTiff")
-        out_ds = driver.Create(tiff_output_path, xsize, ysize, 3, gdal.GDT_Byte)
+        # 创建 4 波段 (RGBA)
+        out_ds = driver.Create(tiff_output_path, xsize, ysize, 4, gdal.GDT_Byte)
         out_ds.SetProjection(ds.GetProjection())
         out_ds.SetGeoTransform(ds.GetGeoTransform())
         for i, chan in enumerate(chans):
@@ -147,8 +170,8 @@ def render_image_rgb(
         out_ds = None
 
     ds = None
-    Image.fromarray(rgb, mode="RGB").save(png_path, format="PNG")
+    Image.fromarray(rgba, mode="RGBA").save(png_path, format="PNG")
-    print(f"已完成RGB图像转换, 保存至: {png_path}")
+    print(f"已完成RGBA图像转换, 保存至: {png_path}")
     return png_path
 
 
@@ -156,7 +179,7 @@ def combine_bands_to_rgb(
     red_path: str, green_path: str, blue_path: str, output_path: str
 ) -> None:
     """
-    将红, 绿, 蓝三个单波段图像文件合并为 RGB 图像 (GeoTIFF).
+    将红, 绿, 蓝三个单波段图像文件合并为 RGBA 图像 (GeoTIFF).
 
     Parameters
     ----------
@@ -167,7 +190,7 @@ def combine_bands_to_rgb(
     blue_path : str
         蓝色波段文件路径.
     output_path : str
-        输出 RGB 图像路径.
+        输出 RGBA 图像路径.
     """
     paths = [red_path, green_path, blue_path]
     for path in paths:
@@ -177,29 +200,41 @@ def combine_bands_to_rgb(
     # 读取三个波段数据
     bands_data = []
     ref_band = None
+    mask = None
 
     for path in paths:
         da = open_rasterio(path, masked=True).squeeze(dim="band", drop=True)
         if ref_band is None:
             ref_band = da
-        # 使用 minmax 方法 (对应原 stretch_band)
+
+        # 更新掩膜: masked=True 时 nodata 会被转换为 NaN
+        current_mask = np.isfinite(da.values)
+        if mask is None:
+            mask = current_mask
+        else:
+            mask &= current_mask
+
+        # 使用 minmax 方法
         bands_data.append(normalize_band(da.values, method="minmax"))
 
-    # 合并三个波段为RGB图像
+    # 不再设置 NoData 值，使用 Alpha 通道表示透明度
+    alpha_channel = np.where(mask, 255, 0).astype(np.uint8)
+    bands_data.append(alpha_channel)
+
+    # 合并四个波段为 RGBA 图像
     rgb_array = xr.DataArray(
         np.dstack(bands_data),
         dims=("y", "x", "band"),
-        coords={"band": [1, 2, 3], "y": ref_band.y, "x": ref_band.x},
+        coords={"band": [1, 2, 3, 4], "y": ref_band.y, "x": ref_band.x},
     )
     # 转置维度顺序以符合rioxarray要求
     rgb_array = rgb_array.transpose("band", "y", "x")
     # 写入元数据
     rgb_array.rio.write_crs(ref_band.rio.crs, inplace=True)
     rgb_array.rio.write_transform(ref_band.rio.transform(), inplace=True)
-    rgb_array.rio.write_nodata(0, inplace=True)
     # 保存为TIFF文件
     rgb_array.rio.to_raster(output_path, driver="COG", dtype="uint8")
-    print(f"RGB图像已保存到: {output_path}")
+    print(f"RGBA图像已保存到: {output_path}")
     return
 
 
@@ -231,10 +266,10 @@ if __name__ == "__main__":
     # combine_bands_to_rgb(red_path, green_path, blue_path, output_path)
 
     imgs_dir = Path(r"D:\CVEOProjects\prjaef\aef-backend-demo\media\imgs")
-    region_name = "Target4"
+    for region_name in ["Target1", "Target2", "Target3", "Target4"]:
-    year = 2025
+        for year in range(2015, 2025 + 1):
-    img_name = f"S1_S2_{region_name}_{year}.tif"
+            img_name = f"S1_S2_{region_name}_{year}.tif"
-    img_tif_path = imgs_dir / region_name / img_name
+            img_tif_path = imgs_dir / region_name / img_name
-    bands_lst = [3, 2, 1]  # GDAL 波段索引从1开始
+            bands_lst = [3, 2, 1]  # GDAL 波段索引从1开始
-    # render_image_rgb(img_tif_path, bands_lst, "clip")
+            # render_image_rgb(img_tif_path, bands_lst, "clip")
-    render_image_rgb(img_tif_path, bands_lst, "percentile", percentile=1)
+            render_image_rgb(img_tif_path, bands_lst, "percentile", percentile=1)