1. 利用GDAL处理JPG图像

（1）利用GDAL把array存成JPEG

利用GDAL库函数创建图像时，一般会用到GDALDriver类Create()函数，但是Create()函数不支持JPEG、PNG等格式，不过，CreateCopy()支持这些格式，所以根据已有的图像数据，不能直接创建jpg、png格式的图像，而要借助GDAL的MEM内存文件，来创建他们。

用GDAL存储图像时的顺序为BGR（一般彩色图像都是以BGR存储），但读取图像的顺序为RGB。

（2）利用GDAL把图像转换为JPEG

'''
-of 输出格式，默认GTiff。可以修改为所有GDAL支持的格式
-co create option。每种格式都有规定的co，需要查看格式说明。如：JPEG格式，可以使用WORLDFILE=YES（生成worldfile文 件）.
-QUALITY=75（设置压缩率，默认是75%，只能取10~100范围的值，>95无法提高质量，但会增大文件）。
-b n:指定第几个波段对应的源数据波段数n。可以有多个。如果不指定，默认情况下是一一对应。
-a_srs assign srs指定的坐标系统。
'''
 # 设置jpg的压缩率
gdal_translate -of JPEG -co WORLDFILE=YES -co QUALITY=75 j50c4.vrt translatejpeg75.jpg

# 将四波段RGBA的tif转换成JPEG RGB。
gdal_translate -of JPEG -b 1 -b 2 -b 3 source.tif test.jpg

# 重新定义源图像的坐标系统（不能变换，只能定义，不改变图像值）
gdal_translate -a_srs EPSG:32650 -of GTiff J50_lonlat-L12.tif j50-2.tif

2. python不同图像库读取、存储图像时的差异记录

（1）数据维度

数据维度为：[Height, Width, Channel] or [Channel, Height, Width]
其中，channel也有顺序，一般是3波段数channels=3，但是顺序有差异，例如opencv对于读进来的图片的通道排列是BGR，而不是主流的RGB（其他图像库的一般是RGB，cv2的大坑）。

（2）opencv

opencv读入图片的矩阵格式是：（height,width,channels），读进来直接是numpy array，数据类型是uint8，可以按照numpy array进行数据操作。

import cv2
import numpy as np
#读入图片：默认彩色图，cv2.IMREAD_GRAYSCALE灰度图，cv2.IMREAD_UNCHANGED包含alpha通道
img = cv2.imread('1.jpg')
cv2.imshow('src',img)
print(img.shape) # (h,w,c)
print(img.size) # 像素总数目
print(img.dtype)
print(img)
cv2.waitKey()

#opencv读入的矩阵是BGR，如果想转为RGB，可以这么转
img4 = cv2.imread('1.jpg')
img4 = cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)

或者，使用这种方式，调整通道顺序channel或band：

im_data_2 = im_data[::-1, :, :]     # RGB2BGR   C*H*N

上述代码中，在通道顺序为 [Channel, Width, Height]的情况下，第一维度是channel；这种情况下需要确定channel的波段顺序是什么，是RGB，还是BGR。可以利用代码中“ im_data[::-1, :, :] ”实现调整，第一维度逆序调整，第2,3维度不变。

（3）PIL Image

PIL读进来的图像是一个对象，而不是我们所熟知的numpy 矩阵。其他库读进来的图片都是以numpy 矩阵。

from PIL import Image
import numpy as np
img = Image.open('1.jpg')
print(img.format)    # JPG format
print(img.size)     # (w，h)
print(img.mode)  # L为灰度图，RGB为真彩色,RGBA为加了透明通道
img.show() # 显示图片

gray = Image.open('1.jpg').convert('L')   # 转换为灰度图

#pillow读进来的图片不是矩阵，将图片转矩阵,channel last
arr = np.array(img)
print(arr.shape)   # [Height, Width, Channel] 
print(arr.dtype)   # uint8
# print(arr)   # print array 

#矩阵再转为图像
new_im = Image.fromarray(arr)
new_im.save('new.png')

#分离合并通道
r, g, b = img.split()
img = Image.merge("RGB", (b, g, r))
img = img.copy() #复制图像

# 利用ROI裁切感兴趣区域的图像
roi = img.crop((0,0,300,300)) #(左上x，左上y，右下x，右下y)坐标
roi.show()  # show ROI picture

（4）skimage：skimage.io.imread

skimage可以读取超过3波段的图像。图像也是以numpy array形式读入。

from skimage import io

im = io.imread('1.jpg')
print(im.shape)    # numpy矩阵，(h,w,c)
print(im.dtype)    # uint8
print(im.size)    # h*w
io.imshow(im)
io.imsave('sk.png',im)   # save as other picture
print(im)

im2 = io.imread('1.jpg',as_grey=True)  #读入灰度图，但是灰度图像的矩阵的值被归一化了。
#也可以以这种方式获得灰度图：
from skimage import color
im3 = io.imread('1.jpg')
im3 = color.rgb2grey(im3)
print(im3.dtype)
print(im3.size)
print(im3.shape)
io.imshow(im3)
io.show()
'''
skimage.color.rgb2grey(rgb)
skimage.color.rgb2hsv(rgb)
skimage.color.rgb2lab(rgb)
skimage.color.gray2rgb(image)
skimage.color.hsv2rgb(hsv)
skimage.color.lab2rgb(lab)
'''

（5）matplotlib：matplotlib.image.imread

绘图工具库。plt.imread读入的就是一个矩阵，跟opencv一样，但彩图读进的是RGB，与opencv有区别

import matplotlib.pyplot as plt
import numpy as np

image = plt.imread('1.jpg')
plt.imshow(image)
plt.show()

#也可以关闭显示x，y轴上的数字
image = plt.imread('1.jpg')
plt.imshow(image)
plt.axis('off')
plt.show()

im_r = image[:,:,0] #红色通道
plt.imshow(im_r)
plt.show()
#此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数解决
plt.imshow(im_r,cmap='Greys_r')
plt.show()

（6）总结

除了opencv读入的彩色图片以BGR顺序存储外，其他所有图像库读入彩色图片都以RGB存储。
除了PIL读入的图片是img类之外，其他库读进来的图片都是以numpy 矩阵。
各个图像库的性能，opencv最佳。

————————————————
参考转载自：
https://blog.csdn.net/hong__fang/article/details/42266215
http://blog.sina.com.cn/s/blog_a7ebc03b0102xaqg.html
https://www.cnblogs.com/skyfsm/p/8276501.html

2019-09-27--GDAL