Skip to main content
 首页 » 编程设计

python之ComputeBandStats 是否考虑了无数据

2025年04月02日15xiaohuochai

我正在尝试计算仅部分被数据覆盖的图像的统计信息。我想知道 ComputeBandStats 是否忽略了与文件 nodata 具有相同值的像素。

这是我的代码:

inIMG = gdal.Open(infile) 
 
# getting stats for the first 3 bands 
# Using ComputeBandStats insted of stats array has min, max, mean and sd values 
print "Computing band statistics" 
bandas = [inIMG.GetRasterBand(b+1) for b in range(3)] 
minMax = [b.ComputeRasterMinMax() for b in bandas] 
meanSD = [b.ComputeBandStats(1) for b in bandas] 
print minMax 
print meanSD 

对于没有 nodata 属性的图像,输出为:

Computing band statistics 
[(0.0, 26046.0), (0.0, 24439.0), (0.0, 22856.0)] 
[(762.9534697777777, 647.9056493556284), (767.642869, 516.0531530834181), (818.0449643333334, 511.5360132592902)] 

对于 nodata = 0 的图像,输出为:

Computing band statistics 
[(121.0, 26046.0), (202.0, 24439.0), (79.0, 22856.0)] 
[(762.9534697777777, 647.9056493556284), (767.642869, 516.0531530834181), (818.0449643333334, 511.5360132592902)] 

最小值和最大值已更改,因此 0 不再是最小值,这是有道理的,因为在第二个版本中它是无数据,因此不被 ComputeRasterMinMax() 考虑。但是,均值和标准差没有改变。

这是否意味着 ComputeBandStats 不会忽略无数据值?
有什么方法可以强制 ComputeBandStats 忽略无数据值?

请您参考如下方法:

设置 NoData 值对数据本身没有影响。你可以这样试试:

# First image, all valid data 
data = numpy.random.randint(1,10,(10,10)) 
driver = gdal.GetDriverByName('GTIFF') 
ds = driver.Create("stats1.tif", 10, 10, 1, gdal.GDT_Byte) 
ds.GetRasterBand(1).WriteArray(data) 
print ds.GetRasterBand(1).ComputeBandStats(1) 
print ds.GetRasterBand(1).ComputeStatistics(False) 
ds = None 
 
# Second image, values of "1" set to no data 
driver = gdal.GetDriverByName('GTIFF') 
ds = driver.Create("stats2.tif", 10, 10, 1, gdal.GDT_Byte) 
ds.GetRasterBand(1).SetNoDataValue(1) 
ds.GetRasterBand(1).WriteArray(data) 
print ds.GetRasterBand(1).ComputeBandStats(1) 
print ds.GetRasterBand(1).ComputeStatistics(False) 
ds = None 

请注意,ComputeBandStats 返回的统计数据没有变化,但 ComputeStatistics 返回的统计数据是:

>>> (4.97, 2.451346568725035) 
>>> [1.0, 9.0, 4.970000000000001, 2.4513465687250346] 
 
>>> (4.97, 2.451346568725035) 
>>> [2.0, 9.0, 5.411111111111111, 2.1750833672117] 

您可以手动确认统计信息是否正确:

numpy.mean(data) 
numpy.mean(data[data != 1]) 
numpy.std(data) 
numpy.std(data[data != 1]) 
 
>>> 4.9699999999999998 
>>> 5.4111111111111114 
>>> 2.4513465687250346 
>>> 2.1750833672117