214 lines
7.3 KiB
Python
214 lines
7.3 KiB
Python
# -*- coding: utf-8 -*-
|
|
"""
|
|
===============================================================================
|
|
传统GeoTIFF转COG
|
|
|
|
COG (Cloud Optimized GeoTIFF) 是一种优化设计的 GeoTIFF 文件格式, 特别适用于云环境下
|
|
的存储和访问. 自带分块存储功能与影像金字塔, 能够在请求时按需加载, 实现了高效的压缩和传输.
|
|
|
|
-------------------------------------------------------------------------------
|
|
Authors: CVEO Team
|
|
Last Updated: 2026-02-03
|
|
===============================================================================
|
|
"""
|
|
|
|
import os
|
|
import sys
|
|
import logging
|
|
from pathlib import Path
|
|
from osgeo import gdal
|
|
import numpy as np
|
|
|
|
# 添加父目录到 sys.path 以导入 utils
|
|
BASE_DIR = Path(__file__).parent.parent
|
|
sys.path.append(str(BASE_DIR))
|
|
|
|
from utils.common_utils import setup_logging
|
|
|
|
gdal.UseExceptions()
|
|
# 设置 GDAL 选项以优化性能
|
|
gdal.SetConfigOption("GDAL_NUM_THREADS", "ALL_CPUS")
|
|
gdal.SetConfigOption("GDAL_CACHEMAX", "1024")
|
|
|
|
|
|
def check_and_get_image_info(ds):
|
|
"""
|
|
检查影像基本信息以及是否存在 NaN 或 NoData 值
|
|
|
|
Returns
|
|
-------
|
|
|
|
tuple: (has_invalid, original_no_data)
|
|
has_invalid: bool
|
|
是否存在 NaN 或 NoData 值
|
|
original_no_data: float or None
|
|
原影像定义的 NoData 值
|
|
"""
|
|
width = ds.RasterXSize
|
|
height = ds.RasterYSize
|
|
band_count = ds.RasterCount
|
|
|
|
logging.info(f"影像尺寸: {width}x{height}, 波段数: {band_count}")
|
|
|
|
has_invalid = False
|
|
original_no_data = None
|
|
|
|
# 读取第一个波段的 NoData 值作为参考
|
|
if band_count > 0:
|
|
original_no_data = ds.GetRasterBand(1).GetNoDataValue()
|
|
|
|
if original_no_data is not None:
|
|
logging.info(f"波段 1: 原影像定义的 NoData 值为 {original_no_data}")
|
|
has_invalid = True
|
|
else:
|
|
logging.info("波段 1: 原影像未定义 NoData 值")
|
|
|
|
# 仅检查是否存在 NaN 值
|
|
|
|
return has_invalid, original_no_data
|
|
|
|
|
|
def tif_to_cog(
|
|
input_path: str,
|
|
output_path: str,
|
|
output_type: int = gdal.GDT_Float32,
|
|
no_data: float = np.nan,
|
|
compress: str = "DEFLATE",
|
|
scaleParams: list = None,
|
|
):
|
|
"""
|
|
将传统 GeoTIFF 转换为 COG 格式
|
|
|
|
Parameters
|
|
----------
|
|
input_path : str
|
|
输入 GeoTIFF 文件路径
|
|
output_path : str
|
|
输出 COG 文件路径
|
|
output_type : int, optional
|
|
输出数据类型, 本质是整数索引, 默认 float32, by default gdal.GDT_Float32
|
|
no_data : float, optional
|
|
无效值, 默认 np.nan, by default np.nan
|
|
compress : str, optional
|
|
压缩算法, 可选 "DEFLATE" 或 "LZW", by default "DEFLATE"
|
|
"""
|
|
logging.info(f"输入文件: {input_path}")
|
|
if not os.path.exists(str(input_path)):
|
|
input_path = str(input_path).replace(".tif", "(2).tif")
|
|
if not os.path.exists(input_path):
|
|
logging.error(f"无法找到输入文件: {input_path}")
|
|
return
|
|
ds = gdal.Open(input_path)
|
|
if ds is None:
|
|
logging.error(f"无法打开输入文件: {input_path}")
|
|
return
|
|
|
|
# 1. 检查影像信息和无效值
|
|
has_invalid, original_no_data = check_and_get_image_info(ds)
|
|
|
|
# 2. 确定最终使用的 NoData 值
|
|
target_no_data = no_data
|
|
|
|
# 如果用户没有指定特定的 no_data (即传入的是 nan), 则尝试沿用原数据的 nodata
|
|
# 如果原数据也没有 nodata, 则根据 output_type 设置默认值
|
|
if np.isnan(target_no_data):
|
|
if original_no_data is None:
|
|
if output_type == gdal.GDT_Int16:
|
|
target_no_data = -32768
|
|
elif output_type == gdal.GDT_Float32:
|
|
target_no_data = -9999
|
|
elif output_type == gdal.GDT_Byte:
|
|
target_no_data = None
|
|
else:
|
|
target_no_data = np.nan
|
|
logging.warning(
|
|
f"原数据未设无效值且未指定新无效值, 现根据输出类型设为: {target_no_data}"
|
|
)
|
|
else:
|
|
target_no_data = original_no_data
|
|
logging.info(f"沿用原数据无效值: {target_no_data}")
|
|
else:
|
|
logging.info(f"使用指定的新无效值: {target_no_data}")
|
|
|
|
# 3. 转换逻辑
|
|
# 若原始影像存在无效值(NaN 或 NoData) 且 指定了新的 NoData 值, 且 新旧 NoData 值不一致 / 存在 NaN 值时使用重映射 (gdal.Warp)
|
|
use_warp = False
|
|
if target_no_data is not None and not np.isnan(target_no_data):
|
|
if has_invalid:
|
|
if original_no_data != target_no_data:
|
|
use_warp = True
|
|
logging.info(
|
|
f"原始影像存在无效值且已指定新无效值 ({original_no_data} -> {target_no_data}), 将使用 Warp 进行处理"
|
|
)
|
|
else:
|
|
pass
|
|
|
|
# 开始转换
|
|
logging.info(f"开始转换为 COG 格式...")
|
|
|
|
creation_options = [
|
|
f"COMPRESS={compress}",
|
|
"PREDICTOR=2", # 差值预测, 利于影像压缩
|
|
"NUM_THREADS=ALL_CPUS",
|
|
"BIGTIFF=IF_SAFER",
|
|
# "ZLEVEL=4", # 压缩级别, 支持 1-9, 默认为 6, COG 不支持设置
|
|
# "TILED=YES", # 分块参数, COG 格式自带分块, 不支持手动设置
|
|
# "PHOTOMETRIC=RGB", # 可视化参数, COG 格式不支持设置
|
|
]
|
|
|
|
if use_warp:
|
|
# 使用 Warp
|
|
warp_options = gdal.WarpOptions(
|
|
format="COG", # 输出为 COG 格式, 自动构建金字塔
|
|
outputType=output_type,
|
|
dstNodata=target_no_data,
|
|
# srcNodata 未指定时, 将自动读取源数据的 nodata
|
|
# 若源数据存在 NaN 却未定义 nodata, 将自动处理 float 的 NaN
|
|
# srcNodata=original_no_data,
|
|
creationOptions=creation_options,
|
|
callback=gdal.TermProgress_nocb, # 进度回调, 不显示进度条
|
|
multithread=True,
|
|
)
|
|
gdal.Warp(str(output_path), ds, options=warp_options)
|
|
else:
|
|
# 使用 Translate (无需修改原数据时使用, 更高效)
|
|
# 但 gdal.Translate 无法将原始 NoData 直接转为新的 nodata
|
|
translate_options = gdal.TranslateOptions(
|
|
format="COG",
|
|
outputType=output_type,
|
|
noData=target_no_data,
|
|
creationOptions=creation_options,
|
|
callback=gdal.TermProgress_nocb,
|
|
)
|
|
gdal.Translate(str(output_path), ds, options=translate_options)
|
|
|
|
logging.info(f"结果已保存到: {output_path}")
|
|
ds = None
|
|
return
|
|
|
|
|
|
def main(input_path, output_path, output_type=gdal.GDT_Float32):
|
|
input_path = Path(input_path)
|
|
output_dir = Path(output_path).parent
|
|
os.makedirs(output_dir, exist_ok=True)
|
|
# 配置日志记录
|
|
log_file = output_dir / "toCOG.log"
|
|
setup_logging(str(log_file))
|
|
# 关于无效值
|
|
# Float32 类型可以设为 -9999
|
|
if output_type == gdal.GDT_Float32:
|
|
no_data = -9999
|
|
else:
|
|
no_data = np.nan
|
|
tif_to_cog(str(input_path), str(output_path), output_type, no_data=no_data)
|
|
|
|
|
|
if __name__ == "__main__":
|
|
# 输入目录: 包含分块tif影像的根目录
|
|
input_root = Path(r"D:\CVEOdata\RS_Data\Terrain")
|
|
# 输出目录: 存放最终COG结果的目录
|
|
output_root = Path(r"D:\CVEOdata\RS_Data\Terrain")
|
|
input_path = input_root / "GLO30.DSM.2014.Hubei.30m.tif"
|
|
output_path = output_root / "GLO30.DSM.2014.Hubei.30m.tif"
|
|
output_type = gdal.GDT_Byte
|