tif文件转png、Excel

l利用gdal读取tif中的地理信息和波段数组，然后保存想要的格式即可。

from osgeo import gdal
from PIL import Image
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt# 读取.tif文件
def read_tif(file_path):dataset = gdal.Open(file_path)# GetMetadata()：获取tif文件的元数据，返回一个字典。metadata = dataset.GetMetadata()# GetProjection()：获取tif文件的投影信息，返回一个字符串。projection = dataset.GetProjection()# GetGeoTransform()：获取tif文件的地理变换信息，返回一个元组。geoTransform = dataset.GetGeoTransform()# RasterCount：获取tif文件的波段数，返回一个整数。rasterCount = dataset.RasterCount# RasterXSize：获取tif文件的列数，返回一个整数。rasterXSize = dataset.RasterXSize# RasterYSize：获取tif文件的行数，返回一个整数。rasterYSize = dataset.RasterYSize# GetRasterBand(i)：获取tif文件的第i个波段，返回一个波段对象。rasterBandArray = []for i in range(rasterCount):rasterBand = dataset.GetRasterBand(i + 1)rasterBandArray.append(rasterBand)# ReadAsArray()：将tif文件的数据读取为一个numpy数组，返回一个数组。array = dataset.ReadAsArray()# # 打印元数据print("元数据：{}".format(metadata))# # 打印投影信息# print("投影信息：{}".format(projection))# # 打印地理变换信息print("地理变换信息：{}".format(geoTransform))# # 打印波段数# print("波段数：{}".format(rasterCount))# # 打印列数# print("列数：{}".format(rasterXSize))# # 打印行数# print("行数：{}".format(rasterYSize))# # 打印波段对象# for i in range(rasterCount):#     print("第{}个波段：{}".format(i + 1, rasterBandArray[i]))# # 打印数据数组# print("数据数组：{}".format(array))return array, geoTransform# 保存数组为.tif文件
def save_tif(output_path, array, geotransform):driver = gdal.GetDriverByName('GTiff')rows, cols, channel = array.shapeoutput_dataset = driver.Create(output_path, cols, rows,channel, gdal.GDT_Float32)# 添加地理信息，坐标output_dataset.SetGeoTransform(geotransform)# output_dataset.GetRasterBand(1).WriteArray(array[:, :, 0])# output_dataset.GetRasterBand(2).WriteArray(array[:, :, 1])# output_dataset.GetRasterBand(3).WriteArray(array[:, :, 2])# 添加波段信息，即图片，有几个channel添加几个波段for c in range(channel):output_dataset.GetRasterBand(c + 1).WriteArray(array[:, :, c])output_dataset.FlushCache()output_dataset = None# 读取.png文件
def read_png(file_path):img1 = cv.imread(file_path)  # BGRimg2 = plt.imread(file_path)  # RGBimg3 = np.array(Image.open(file_path))  # RGB# 以灰度图方式读取 plt没法以灰度方式读取，可以在imshow的时候以灰度方式显示plt.imshow(a, cmap='viridis', interpolation='nearest')img4 = cv.imread(file_path, flags=cv.IMREAD_GRAYSCALE)# img5 = plt.imread(file_path)img6 = np.array(Image.open(file_path).convert("L"))# 返回 H×W×Creturn img3# 将坐标数据结合，并保存为.tif文件
def combine_and_save_tif(tif_path, png_path, output_path):tif_array, geotransform = read_tif(tif_path)png_array = read_png(png_path)# 保存为.tif文件# 只需要添加地理信息即可save_tif(output_path, png_array, geotransform)if __name__ == '__main__':# 示例使用tif_path = 'searchareaxia432.tif'png_path = 'label.png'output_path = 'output.tif'combine_and_save_tif(tif_path, png_path, output_path)print('done...')