Агрегация соседних пикселей Python/GDAL и Numpy без интерполяции

Question

У нас есть изображение 2000 x 2000 пикселей, а размер пикселя - 10 x 10 метров. Значения пикселей также являются номерами плавающих чисел от 0,00 до 10,00. Это изображение A.

Я хотел бы изменить размер изображения A до четверти его размеров (т.е. 1000 x 1000 пикселей) с размером пикселя 20 x 20 метров (изображение B) путем пространственного объединения четырех соседних пикселей в не- перекрывающиеся блоки, начиная с верхнего левого угла изображения, тогда как значение для каждого пикселя в изображении B будет являться результатом их среднего арифметического.

Я написал следующий код, используя несколько источников из stackoverflow; однако по какой-то причине я не понимаю, что получившееся изображение (изображение B) не всегда написано правильно, и оно не может быть прочитано каким-либо программным обеспечением, которое я хочу обработать дальше (т. е. ArcGIS, ENVI, ERDAS и т. д.).

Я был бы признателен за любую помощь

С наилучшими пожеланиями Димитрис

import time 
import glob 
import os 
import gdal 
import osr 
import numpy as np 

start_time_script = time.clock() 

path_ras='C:/rasters/' 

for rasterfile in glob.glob(os.path.join(path_ras,'*.tif')): 
rasterfile_name=str(rasterfile[rasterfile.find('IMG'):rasterfile.find('.tif')]) 

print 'Processing:'+ ' ' + str(rasterfile_name) 

ds = gdal.Open(rasterfile,gdal.GA_ReadOnly) 
ds_xform = ds.GetGeoTransform() 

print ds_xform 

ds_driver = gdal.GetDriverByName('Gtiff') 
srs = osr.SpatialReference() 
srs.ImportFromEPSG(26716) 

ds_array = ds.ReadAsArray() 

sz = ds_array.itemsize 

print 'This is the size of the neighbourhood:' + ' ' + str(sz) 

h,w = ds_array.shape 

print 'This is the size of the Array:' + ' ' + str(h) + ' ' + str(w) 

bh, bw = 2,2 

shape = (h/bh, w/bw, bh, bw) 

print 'This is the new shape of the Array:' + ' ' + str(shape) 

strides = sz*np.array([w*bh,bw,w,1]) 

blocks = np.lib.stride_tricks.as_strided(ds_array,shape=shape,strides=strides) 

resized_array = ds_driver.Create(rasterfile_name + '_resized_to_52m.tif',shape[1],shape[0],1,gdal.GDT_Float32) 
resized_array.SetGeoTransform((ds_xform[0],ds_xform[1]*2,ds_xform[2],ds_xform[3],ds_xform[4],ds_xform[5]*2)) 
resized_array.SetProjection(srs.ExportToWkt()) 
band = resized_array.GetRasterBand(1) 

zero_array = np.zeros([shape[0],shape[1]],dtype=np.float32) 

print 'I start calculations using neighbourhood' 
start_time_blocks = time.clock() 

for i in xrange(len(blocks)): 
    for j in xrange(len(blocks[i])): 

     zero_array[i][j] = np.mean(blocks[i][j]) 

print 'I finished calculations and I am going to write the new array' 

band.WriteArray(zero_array) 

end_time_blocks = time.clock() - start_time_blocks 

print 'Image Processed for:' + ' ' + str(end_time_blocks) + 'seconds' + '\n' 

end_time = time.clock() - start_time_script 
print 'Program ran for: ' + str(end_time) + 'seconds' 

Answer 1

import time 
import glob 
import os 
import gdal 
import osr 
import numpy as np 

start_time_script = time.clock() 

path_ras='C:/rasters/' 

for rasterfile in glob.glob(os.path.join(path_ras,'*.tif')): 
rasterfile_name=str(rasterfile[rasterfile.find('IMG'):rasterfile.find('.tif')]) 

print 'Processing:'+ ' ' + str(rasterfile_name) 

ds = gdal.Open(rasterfile,gdal.GA_ReadOnly) 
ds_xform = ds.GetGeoTransform() 

print ds_xform 

ds_driver = gdal.GetDriverByName('Gtiff') 
srs = osr.SpatialReference() 
srs.ImportFromEPSG(26716) 

ds_array = ds.ReadAsArray() 

sz = ds_array.itemsize 

print 'This is the size of the neighbourhood:' + ' ' + str(sz) 

h,w = ds_array.shape 

print 'This is the size of the Array:' + ' ' + str(h) + ' ' + str(w) 

bh, bw = 2,2 

shape = (h/bh, w/bw, bh, bw) 

print 'This is the new shape of the Array:' + ' ' + str(shape) 

strides = sz*np.array([w*bh,bw,w,1]) 

blocks = np.lib.stride_tricks.as_strided(ds_array,shape=shape,strides=strides) 

resized_array = ds_driver.Create(rasterfile_name + '_resized_to_52m.tif',shape[1],shape[0],1,gdal.GDT_Float32) 
resized_array.SetGeoTransform((ds_xform[0],ds_xform[1]*2,ds_xform[2],ds_xform[3],ds_xform[4],ds_xform[5]*2)) 
resized_array.SetProjection(srs.ExportToWkt()) 
band = resized_array.GetRasterBand(1) 

zero_array = np.zeros([shape[0],shape[1]],dtype=np.float32) 

print 'I start calculations using neighbourhood' 
start_time_blocks = time.clock() 

for i in xrange(len(blocks)): 
    for j in xrange(len(blocks[i])): 

     zero_array[i][j] = np.mean(blocks[i][j]) 

print 'I finished calculations and I am going to write the new array' 

band.WriteArray(zero_array) 

end_time_blocks = time.clock() - start_time_blocks 

print 'Image Processed for:' + ' ' + str(end_time_blocks) + 'seconds' + '\n' 

end_time = time.clock() - start_time_script 
print 'Program ran for: ' + str(end_time) + 'seconds'