Uzyskaj współrzędne i odpowiednie wartości pikseli z GeoTiff za pomocą Pythona Gdal i zapisz je jako tablicę numpy

Jak mogę uzyskać rzutowane współrzędne, a także rzeczywiste wartości pikseli na tych współrzędnych z pliku GeoTiff, a następnie zapisać je w tablicy liczbowej? Mam plik arsenci020l.tif, a jego współrzędne są w metrach. Poniżej znajduje się skrócona wersja gdalinfo, którą na nim uruchomiłem.

~$ gdalinfo arsenci020l.tif 
Driver: GTiff/GeoTIFF
Files: arsenci020l.tif
       arsenci020l.tfw
Size is 10366, 7273
Coordinate System is:
PROJCS["Lambert Azimuthal Equal Area projection with arbitrary plane grid; projection center 100.0 degrees W, 45.0 degrees N",
    GEOGCS["WGS 84",
        DATUM["WGS_1984",
            SPHEROID["WGS 84",6378137,298.257223563,
                AUTHORITY["EPSG","7030"]],
            AUTHORITY["EPSG","6326"]],
        PRIMEM["Greenwich",0],
        UNIT["degree",0.0174532925199433],
        AUTHORITY["EPSG","4326"]],
    PROJECTION["Lambert_Azimuthal_Equal_Area"],
    PARAMETER["latitude_of_center",45],
    PARAMETER["longitude_of_center",-100],
    PARAMETER["false_easting",0],
    PARAMETER["false_northing",0],
    UNIT["metre",1,
        AUTHORITY["EPSG","9001"]]]
Origin = (-6086629.000000000000000,4488761.000000000000000)
Pixel Size = (1000.000000000000000,-1000.000000000000000)
...

Podobne pytanie dotyczyło uzyskiwania współrzędnych szerokości / długości z tiff (Uzyskaj szerokość i długość geograficzną z pliku GeoTIFF), a odpowiedź pokazała, jak uzyskać tylko lewe górne współrzędne x i y pikseli. Muszę uzyskać WSZYSTKIE rzutowane współrzędne pikseli, a także uzyskać wartości pikseli i zapisać je w tablicy numpy. Jak mogę to zrobić?

dodałby jako komentarz, ale nieco długi - na wypadek, gdybyś chciał użyć gdal / ogr w pythonie - coś takiego może działać (zhakowane razem z innego kodu, który miałem - nie testowałem!) To również zakłada, że ​​zamiast znajdować najbliższy piksel rastrowy do centroidu wielokąta, po prostu wypytujesz raster na xy centroidu. nie mam pojęcia, jaka może być prędkość kompromisu ...

from osgeo import gdal,ogr

fc='PathtoYourVector'
rast='pathToYourRaster'

def GetCentroidValue(fc,rast):
    #open vector layer
    drv=ogr.GetDriverByName('ESRI Shapefile') #assuming shapefile?
    ds=drv.Open(fc,True) #open for editing
    lyr=ds.GetLayer(0)

    #open raster layer
    src_ds=gdal.Open(rast) 
    gt=src_ds.GetGeoTransform()
    rb=src_ds.GetRasterBand(1)
    gdal.UseExceptions() #so it doesn't print to screen everytime point is outside grid

    for feat in lyr:
        geom=feat.GetGeometryRef()
        mx=geom.Centroid().GetX()
        my=geom.Centroid().GetY()

        px = int((mx - gt[0]) / gt[1]) #x pixel
        py = int((my - gt[3]) / gt[5]) #y pixel
        try: #in case raster isnt full extent
            structval=rb.ReadRaster(px,py,1,1,buf_type=gdal.GDT_Float32) #Assumes 32 bit int- 'float'
            intval = struct.unpack('f' , structval) #assume float
            val=intval[0]
        except:
            val=-9999 #or some value to indicate a fail

       feat.SetField('YOURFIELD',val)
       lyr.SetFeature(feat)

    src_ds=None
    ds=None

GetCentroidValue(fc,rast)

To powinno cię zabrać. Wartości rastrowe są odczytywane przy użyciu rasterio , a współrzędne środka piksela są konwertowane na Eastings / Northings przy użyciu affine , które są następnie konwertowane na szerokość / długość geograficzną za pomocą pyproj . Większość tablic ma ten sam kształt co raster wejściowy.

import rasterio
import numpy as np
from affine import Affine
from pyproj import Proj, transform

fname = '/path/to/your/raster.tif'

# Read raster
with rasterio.open(fname) as r:
    T0 = r.transform  # upper-left pixel corner affine transform
    p1 = Proj(r.crs)
    A = r.read()  # pixel values

# All rows and columns
cols, rows = np.meshgrid(np.arange(A.shape[2]), np.arange(A.shape[1]))

# Get affine transform for pixel centres
T1 = T0 * Affine.translation(0.5, 0.5)
# Function to convert pixel row/column index (from 0) to easting/northing at centre
rc2en = lambda r, c: (c, r) * T1

# All eastings and northings (there is probably a faster way to do this)
eastings, northings = np.vectorize(rc2en, otypes=[np.float, np.float])(rows, cols)

# Project all longitudes, latitudes
p2 = Proj(proj='latlong',datum='WGS84')
longs, lats = transform(p1, p2, eastings, northings)