Dstl Satellite Imagery Feature Detection-Data Processing Tutorial

如何读取WKT格式文件

我们找到了这些有用的包：

Python - shapely.loads()

R - rgeos

如何读取geojson格式文件

我们找到了这些有用的包：

Python -  json, geojson, shapely (使用json，然后将其转换成shapely的复杂多边形)

R - geojsonio

如何将几何投影到像素坐标

在我们提供的数据集中，我们创建了一组地理坐标，它们在x = [0,1]和y = [-1.0]的范围内。 这些坐标被变换，使得我们模糊卫星图像被拍摄的位置。 图像来自地球上相同的区域。

为了利用这些图像，我们提供每个图像的网格坐标，以便您知道如何缩放它们并将它们与像素的图像对齐。 在grid_sizes.csv中，给出每个imageId的Xmax和Ymin值。

对于每个图像，您应该能够从图像栅格获取宽度（W）和高度（H）。 对于3391 x 3349 x 3的3波段图像，W为3349，H为3391.然后可以按如下方式缩放数据：

如何将的你结果转为多边形

最好使用cascaded_union（）将多边形列表展开为不重叠的多边形。

缩放结果回到原来的坐标：

然后就很容易使用shapely来输出多边形到wtk格式文件：mulitpoly.wkt

如何在Python中打开GeoTiff文件

GDAL功能强大但有点难安装。如果你想去用它读取栅格文件，tifffile是一个轻量的打开GeoTiff文件的包。

例如，下面的代码你能读取16波段的图像：

 import gdal
 from gdalconst import * 

 img_filename_16bandA = 'data/16band/6100_1_3_A.tif'
 img_filename_16bandM = 'data/16band/6100_1_3_M.tif'
 img_filename_16bandP = 'data/16band/6100_1_3_P.tif' 

 datasetA = gdal.Open(img_filename_16bandA, GA_ReadOnly )
 datasetM = gdal.Open(img_filename_16bandM, GA_ReadOnly )
 datasetP = gdal.Open(img_filename_16bandP, GA_ReadOnly ) 

 print 'Size is ',datasetA.RasterXSize,'x',datasetA.RasterYSize, \
  'x',datasetA.RasterCount
 print 'Size is ',datasetM.RasterXSize,'x',datasetM.RasterYSize, \
  'x',datasetM.RasterCount
 print 'Size is ',datasetP.RasterXSize,'x',datasetP.RasterYSize, \
  'x',datasetP.RasterCount

输出：

Size is 136 x 134 x 8
Size is 848 x 837 x 8
Size is 3391 x 3348 x 1

 或者你能属于tiffffile：

 import tifffile as tiff
 P = tiff.imread(img_filename_16bandP)
 tiff.imshow(P)

打如何在R中打开Geo Tiff文件

感谢社区成员smota的提出：

 library(raster)
 raster_6044_4_4 <- raster("./data/three_band/6040_4_4.tif")
 plot(raster_6044_4_4)
 library(rgdal)
 gdal_6044_4_4 <- readGDAL(paste0("./data/three_band/", '6040_4_4', ".tif"))
 plot(gdal_6044_4_4)

处理图像：

 devtools::install_github("ropensci/geojsonio")
 library("geojsonio")
 install.packages("rgdal", type = "source")
 install.packages("rgeos", type = "source")
 library("rgdal")
 library("rgeos")
 library(ggplot2)
 grid_6010_4_4 <-geojson_read("./data/train_geojson/train_geojson/6010_4_4/Grid_6010.geojson", method = local, what= 'sp')
 plot(grid_6010_4_4)
 ggplot(grid_6010_4_4, aes(long, lat, group = group)) + geom_polygon()

获得Docker？

这个dockerfile应该能对Python使用者有帮助。

                                                                                   ---本文译自：https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection/details/data-processing-tutorial