C++ GDAL提取多时相遥感影像中像素随时间变化的数值数组
本文介绍基于C++语言GDAL库，批量读取大量栅格遥感影像文件，并生成各像元数值的时间序列数组的方法。
首先，我们来明确一下本文所需实现的需求。现在有一个文件夹，其中包含了很多不同格式的文件，如下图所示。
其中，我们首先需要遍历这一文件夹，遴选出其中所有类型为.bmp格式的栅格遥感影像文件（一共有6个），并分别读取文件（已知这些遥感影像的行数、列数都是一致的）；随后，将不同遥感影像的同一个位置的像素的数值进行分别读取，并存储在一个数组中。例如，最终我们生成的第一个数组，其中共有6个元素，分别就是上图所示文件夹中6景遥感影像各自(0,0)位置的像元数值；生成的第二个数组，其中也是6个元素，分别就是6景遥感影像各自(1,0)位置的像元数值，以此类推。其中，显然我们得到的数组个数，就是遥感影像像元的个数。此外，这里6景遥感影像的排序，是按照文件名称的升序来进行的。
明确了具体需求，接下来就可以开始代码的实践。其中，本文分为两部分，第一部分为代码的分段讲解，第二部分为完整代码。
此外，本文是基于GDAL库来实现栅格数据读取的；具体GDAL库的配置方法大家可以参考文章在Visual Studio中部署GDAL库的C++版本（包括SQLite、PROJ等依赖）。
1 代码分段介绍
1.1 代码准备
这一部分主要是代码的头文件、命名空间与我们自行撰写的自定义函数get_need_file()的声明；具体代码如下所示。
#include <iostream>
#include <vector>
#include <io.h>
#include "gdal_priv.h"
using namespace std;
void get_need_file(string path, vector<string>& file, string ext);
其中，由于我们在接下来的代码中需要用到容器vector这一数据类型，因此首先需要添加#include <vector>；同时，我们在接下来的代码中需要用到头文件io.h中的部分函数（主要都是一些与计算机系统、文件管理相关的函数），因此需要添加#include <io.h>；此外，我们是基于GDAL库来实现栅格数据读取的，因此需要添加#include "gdal_priv.h"。
接下来，这里声明了一个自定义函数get_need_file()，具体我们在本文1.2部分介绍。
1.2 栅格文件筛选
由于我这里几乎将全部的代码都放在了主函数中，因此这一部分就先介绍代码main()函数的第一部分，亦即栅格文件的遴选部分；具体代码如下所示。
int main() {
string file_path = R"(E:\02_Project\02_ChlorophyllProduce\01_Data\00_Test)";
vector<string> my_file;
string need_extension = ".bmp";
get_need_file(file_path, my_file, need_extension);
int file_size = my_file.size();
if (file_size == 0)
{
cout << "No file can be found!" << endl;
}
else
{
cout << "Find " << file_size << " file(s).\n" << endl;
}
这一部分主要就是做好调用自定义函数get_need_file()的变量准备，并调用get_need_file()函数，得到指定文件夹下的栅格文件；随后，将栅格文件的筛选结果进行输出。这一部分的具体代码介绍，大家查看文章C++遴选出特定类型的文件或文件名符合要求的文件即可，这里就不再赘述。
1.3 栅格文件读取
这一部分主要是基于GDAL库，循环读取前述文件夹中的每一个栅格遥感影像文件。
int nXSize, nYSize;
float** pafScanline = new float* [file_size];
int pic_index = 1;
for (auto x : my_file)
{
GDALDataset* poDataset;
GDALAllRegister();
CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");
poDataset = (GDALDataset*)GDALOpen(x.c_str(), GA_ReadOnly);
if (poDataset == NULL)
{
cout << "Open File " << x << " Error!" << endl;
}
else
{
cout << "Open File " << x << " Success!" << endl;
}
GDALRasterBand* poBand;
poBand = poDataset->GetRasterBand(1);
nXSize = poBand->GetXSize();
nYSize = poBand->GetYSize();
cout << nXSize << "," << nYSize << "\n" << endl;
pafScanline[pic_index - 1] = new float[nXSize * nYSize];
poBand->RasterIO(GF_Read, 0, 0, nXSize, nYSize, pafScanline[pic_index - 1], nXSize, nYSize, GDT_Float32, 0, 0);
pic_index ++;
}
其中，nXSize与nYSize分别表示栅格遥感影像的列数与行数，pafScanline是我们读取栅格遥感影像文件所需的变量，之后读取好的遥感影像数据就会存放在这里；由于我们有多个栅格文件需要读取，因此通过for循环来实现批量读取的操作，并通过pic_index这个变量作为每一次读取文件的计数。
在这里，float** pafScanline = new float* [file_size];这句代码表示我们将pafScanline作为一个指向指针的指针的数组；在后期读取遥感影像数据后，pafScanline[0]、pafScanline[1]一直到pafScanline[5]，这6个数值同样分别是指针，分别指向存储6景遥感影像数据的地址。这里我们通过new实现对pafScanline内存的动态分配，因为我们在获取栅格遥感影像的景数（也就是文件夹中栅格遥感影像文件的个数）之前，也不知道具体需要给pafScanline这一变量分配多少的内存。此外，在for循环中，我们还对pafScanline[0]、pafScanline[1]一直到pafScanline[5]同样进行了动态内存分配，因为我们在获取每一景栅格遥感影像的行数与列数之前，同样是不知道需要给pafScanline[x]这6个数组变量分配多少内存的。
随后，for循环中的其他部分，就是GDAL库读取遥感影像的基本代码。读取第一景遥感影像数据后，我们将数据保存至pafScanline[0]，并随后进行第二次循环，读取第二景遥感影像数据，并将其数据保存至pafScanline[1]中，随后再次循环；以此类推，直至读取6景遥感影像完毕。
如果大家只是需要实现C++批量读取栅格遥感影像数据，那么以上操作就已经实现了大家的需求。其中，显然pafScanline[0]就是第一景遥感影像数据，pafScanline[1]就是第二景遥感影像数据，pafScanline[2]就是第三景遥感影像数据，以此类推。
1.4 像元时间序列数组生成
这一部分则是基于以上获取的各景遥感影像数据读取结果，进行每一个像元数值的时间序列数组生成。
float** pixel_paf = new float* [nXSize * nYSize];
for (int pixel_num = 0; pixel_num < nXSize * nYSize; pixel_num++)
{
pixel_paf[pixel_num] = new float[file_size];
for (int time_num = 0; time_num < file_size; time_num++)
{
pixel_paf[pixel_num][time_num] = pafScanline[time_num][pixel_num];
}
}
这一部分的代码思路其实也非常简单，就是通过两个for循环，将原本一共6个的、每一个表示每一景遥感影像中全部数据的数组，转变为一共X个的（X表示每一景遥感影像的像元总个数）、每一个表示每一个位置的像元在6景遥感影像中的各自数值的数组。
在这里，由于同样的原因，我们对pixel_paf亦进行了内存的动态分配。
1.5 输出测试与代码收尾
这一部分主要是输出一个我们刚刚配置好的像元数值时间序列数组，从而检查代码运行结果是否符合我们的要求；此外，由于前面我们对很多变量进行了动态内存分配，因此需要将其delete掉；同时，这里还可以对前面我们定义的指向指针的指针赋值为NULL，这样子其就不能再指向任何地址了，即彻底将其废除。
for (int i = 0; i < file_size; i++)
{
cout << pixel_paf[0][i] << "," << endl;
}
delete[] pafScanline;
delete[] pixel_paf;
pafScanline = NULL;
pixel_paf = NULL;
return 0;
}
至此，代码的主函数部分结束。
1.6 自定义函数
这一部分是我们的自定义函数get_need_file()。
void get_need_file(string path, vector<string>& file, string ext)
{
intptr_t file_handle = 0;
struct _finddata_t file_info;
string temp;
if ((file_handle = _findfirst(temp.assign(path).append("/*" + ext).c_str(), &file_info)) != -1)
{
do
{
file.push_back(temp.assign(path).append("/").append(file_info.name));
} while (_findnext(file_handle, &file_info) == 0);
_findclose(file_handle);
}
}
如前所述，这一部分的具体代码介绍，大家查看文章C++遴选出特定类型的文件或文件名符合要求的文件即可，这里就不再赘述。
2 完整代码
本文所需用到的完整代码如下所示。
#include <iostream>
#include <vector>
#include <io.h>
#include "gdal_priv.h"
using namespace std;
void get_need_file(string path, vector<string>& file, string ext);
int main() {
string file_path = R"(E:\02_Project\02_ChlorophyllProduce\01_Data\00_Test)";
vector<string> my_file;
string need_extension = ".bmp";
get_need_file(file_path, my_file, need_extension);
int file_size = my_file.size();
if (file_size == 0)
{
cout << "No file can be found!" << endl;
}
else
{
cout << "Find " << file_size << " file(s).\n" << endl;
}
int nXSize, nYSize;
float** pafScanline = new float* [file_size];
int pic_index = 1;
for (auto x : my_file)
{
GDALDataset* poDataset;
GDALAllRegister();
CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");
poDataset = (GDALDataset*)GDALOpen(x.c_str(), GA_ReadOnly);
if (poDataset == NULL)
{
cout << "Open File " << x << " Error!" << endl;
}
else
{
cout << "Open File " << x << " Success!" << endl;
}
GDALRasterBand* poBand;
poBand = poDataset->GetRasterBand(1);
nXSize = poBand->GetXSize();
nYSize = poBand->GetYSize();
cout << nXSize << "," << nYSize << "\n" << endl;
pafScanline[pic_index - 1] = new float[nXSize * nYSize];
poBand->RasterIO(GF_Read, 0, 0, nXSize, nYSize, pafScanline[pic_index - 1], nXSize, nYSize, GDT_Float32, 0, 0);
pic_index ++;
}
float** pixel_paf = new float* [nXSize * nYSize];
for (int pixel_num = 0; pixel_num < nXSize * nYSize; pixel_num++)
{
pixel_paf[pixel_num] = new float[file_size];
for (int time_num = 0; time_num < file_size; time_num++)
{
pixel_paf[pixel_num][time_num] = pafScanline[time_num][pixel_num];
}
}
for (int i = 0; i < file_size; i++)
{
cout << pixel_paf[0][i] << "," << endl;
}
delete[] pafScanline;
delete[] pixel_paf;
pafScanline = NULL;
pixel_paf = NULL;
return 0;
}
void get_need_file(string path, vector<string>& file, string ext)
{
intptr_t file_handle = 0;
struct _finddata_t file_info;
string temp;
if ((file_handle = _findfirst(temp.assign(path).append("/*" + ext).c_str(), &file_info)) != -1)
{
do
{
file.push_back(temp.assign(path).append("/").append(file_info.name));
} while (_findnext(file_handle, &file_info) == 0);
_findclose(file_handle);
}
}
当我们运行上述代码后，将会出现如下所示的界面。
其中，会显示栅格遥感影像文件的筛选情况、具体文件名称及其各自的行号与列号；同时，最后一部分则是本文1.5部分提及的测试输出结果，其表示本文所用的6景遥感影像各自(0,0)位置处的像元数值。
至此，大功告成。
欢迎关注：疯狂学习GIS
热门相关：盛宠之嫡女医妃 与校花同居：高手风流 公子风流 貌似纯洁 貌似纯洁