以计算ndvi为例：
NDVI=(NIR-RED)/(NIR+RED)
其中NIR为波段3，RED为波段2
编程要点如下：
1. 将波段3读入数组data3，将波段2读入数组data2
立即学习“Python免费学习笔记（深入）”；
2. 计算公式为：
3. 当data3和data2均为0时（例如用0表示NODATA），会出现被0除的错误，导致程序崩溃。需要用mask配合choose将0值去掉
代码如下，仅有4行
data2 = band2.ReadAsArray(0, 0, cols,rows).astype(Numeric.Float16)
data3 = band3.ReadAsArray(0, 0, cols,rows).astype(Numeric.Float16)
mask = Numeric.greater(data3 + data2, 0)
ndvi = Numeric.choose(mask, (-99, (data3 - data2) / (data3 + data2)))
新建栅格数据集
将刚才计算得到的数据写入新的栅格数据集之中
首先要复制一份数据驱动：
driver = inDataset.GetDriver()
之后新建数据集
Create(
其中bands的默认值为1，GDALDataType的默认类型为GDT_Byte，例如
outDataset = driver.Create(filename, cols, rows, 1, GDT_Float32)
在这条语句的执行过程中，存储空间已经被分配到硬盘上了
在写入之前，还需要先引入波段对象
outBand = outDataset.GetRasterBand(1)
波段对象支持直接写入矩阵，两个参数分别为x向偏移和y向偏移
outBand.WriteArray(ndvi, 0, 0)
下面的例子总结了本次和上次的逐块写入方法
xBlockSize = 64
yBlockSize = 64
for i in range(0, rows, yBlockSize):
if i + yBlockSize
numRows = yBlockSize
else:
numRows = rowsnumRows = rows –– ii
for j in range(0, cols, xBlockSize):
if j + xBlockSize
numCols = xBlockSize
else:
numCols = cols – j
data = band.ReadAsArray(j, i, numCols, numRows)
# do calculations here to create outData array
outBand.WriteArray(outData, j, i)
band对象可以设定NoData值
outBand.SetNoDataValue(-99)
还可以读取NoData值
ND = outBand.GetNoDataValue()
计算band的统计量
首先用FlushCache()把缓存数据写入磁盘
之后用GetStatistics(
outBand.FlushCache()
outBand.GetStatistics(0, 1)
设定新图的地理参考点
如果新图与另一张图的地理参考信息完全一致，那就很简单了
geoTransform = inDataset.GetGeoTransform()
outDataset.SetGeoTransform(geoTransform )
proj = inDataset.GetProjection()
outDataset.SetProjection(proj)
建立pyramids
设定Imagine风格的pyramids
gdal.SetConfigOption('HFA_USE_RRD', 'YES')
强制建立pyramids
outDataset.BuildOverviews(overviewlist=[2,4, 8,16,32,64,128])
图像的拼接
1. 对每张图：读取行数和列数，原点(minX,maxY)，像素长，像素宽，并计算坐标范围
maxX1 = minX1 + (cols1 * pixelWidth)
minY1 = maxY1 + (rows1 * pixelHeight)
2. 计算输出图像的坐标范围：
minX = min(minX1, minX2, …) maxX = max(maxX1, maxX2, …)
minY = min(minY1, minY2, …) maxY = max(maxY1, maxY2, …)
3. 计算输出图像的行数和列数：
cols = int((maxX – minX) / pixelWidth)
rows = int((maxY – minY) / abs(pixelHeight)
4. 建立并初始化输出图像
5. 对每张待拼接的图：计算offset值
xOffset1 = int((minX1 - minX) / pixelWidth)
yOffset1 = int((maxY1 - maxY) / pixelHeight)
读入数据并按照上面计算的offset写入
6. 对输出图像：计算统计量，设定geotransform ：[minX, pixelWidth, 0, maxY, 0, pixelHeight]，设定projection，建立pyramids
以上就是python gdal教程之：地图代数与栅格数据的写入的内容，更多相关内容请关注PHP中文网（www.php.cn）！
