python 使用GDAL实现栅格tif转矢量shp的方式小结

前言

目前有一张tif格式的栅格影像，需要在web地图上进行展示，使用动态切片WMS的方式，渲染速度比较慢，而且大的时候会出现模糊的问题。并且后面需要做多期影像的切换，渲染与加载效率也值得关注。

计划是使用栅格转矢量的方式，将栅格数据转为矢量shp文件，然后进行矢量切片，使用Mapbox进行前端动态渲染。在网上查询了很多资料，有人说使用d3-contour在node.js中生成或者使用rasterio在python中进行转换，整体过程都比较麻烦，很不易实现。最终选定了使用GDAL进行栅格转矢量的方法，代码比较简单。
原始tif影像（12.8MB）如下：

核心函数

GDAL中栅格转矢量的函数主要是以下两个，二者的参数没有任何区别，只是功能有区别：

FPolygonize(*args, **kwargs)

FPolygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int

将每个像元转成一个矩形。

Polygonize(*args, **kwargs) **

Polygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char ** options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int

将每个像元转成一个矩形，然后将相似的像元进行合并。

转换代码

from osgeo import gdal, ogr, osr
import os
import datetime
import numpy as np

path = "Z_NAFP20210727.tif"

if __name__ == '__main__':
   start_time = datetime.datetime.now()

inraster = gdal.Open(path)  # 读取路径中的栅格数据
   inband = inraster.GetRasterBand(1)  # 这个波段就是最后想要转为矢量的波段，如果是单波段数据的话那就都是1
   prj = osr.SpatialReference()
   prj.ImportFromWkt(inraster.GetProjection())  # 读取栅格数据的投影信息，用来为后面生成的矢量做准备

outshp = path[:-4] + ".shp"  # 给后面生成的矢量准备一个输出文件名，这里就是把原栅格的文件名后缀名改成shp了
   drv = ogr.GetDriverByName("ESRI Shapefile")
   if os.path.exists(outshp):  # 若文件已经存在，则删除它继续重新做一遍
       drv.DeleteDataSource(outshp)
   Polygon = drv.CreateDataSource(outshp)  # 创建一个目标文件
   Poly_layer = Polygon.CreateLayer(path[:-4], srs=prj, geom_type=ogr.wkbMultiPolygon)  # 对shp文件创建一个图层，定义为多个面类
   newField = ogr.FieldDefn('value', ogr.OFTReal)  # 给目标shp文件添加一个字段，用来存储原始栅格的pixel value,浮点型，
   Poly_layer.CreateField(newField)

gdal.Polygonize(inband, None, Poly_layer, 0)  # 核心函数，执行的就是栅格转矢量操作
   # gdal.FPolygonize(inband, None, Poly_layer, 0)  # 只转矩形，不合并
   Polygon.SyncToDisk()
   Polygon = None
   end_time = datetime.datetime.now()
   print("Succeeded at", end_time)
   print("Elapsed Time:", end_time - start_time)  # 输出程序运行所需时间

转换效果

• 使用FPolygonize
  

转换之后的矢量数据有270MB，非常大，打开非常卡

• 使用Polygonize
  

合并之后的矢量数据有48MB，相对第一种方法数据量大大减少

来源：https://blog.csdn.net/GISuuser/article/details/119452042