'''
# from libtiff import TIFF
import matplotlib.pyplot as plt
#导入numpy包（支持高维数组和矩阵运算，也提供了许多数组和矩阵运算的函数）
from osgeo.gdal import GDT_Float32
import numpy as np
from osgeo import gdal
# path =
#打开文件
dataset=gdal.Open(r"/data/publicData/hxfLUCC/GLC_FCS30_2020_E100N30.tif")
#栅格矩阵的列数
im_width = dataset.RasterXSize
#栅格矩阵的行数
im_height = dataset.RasterYSize
#波段数
im_bands = dataset.RasterCount
#仿射矩阵，左上角像素的大地坐标和像素分辨率。
#共有六个参数，分表代表左上角x坐标；东西方向上图像的分辨率；如果北边朝上，地图的旋转角度，0表示图像的行与x轴平行；左上角y坐标；
#如果北边朝上，地图的旋转角度，0表示图像的列与y轴平行；南北方向上地图的分辨率。
im_geotrans = dataset.GetGeoTransform()
print(im_geotrans)
#地图投影信息
im_proj = dataset.GetProjection()
print(im_proj)
#读取某一像素点的值
#（1）读取一个波段，其参数为波段的索引号，波段索引号从1开始(我打开的这幅图像只有一个波段)
band=dataset.GetRasterBand(1)
#（2）用ReadAsArray(<xoff>, <yoff>, <xsize>, <ysize>)，读出从(xoff,yoff)开始，大小为(xsize,ysize)的矩阵。以下为读取整幅图像
im_datas=band.ReadAsArray(0,0,im_width,im_height)
#（3）获取某一或某几个像素的值(查看10~14 行和 20~25 列的数据)
data=im_datas[10:15,20:26]
print(im_datas)
plt.imshow(im_datas)
plt.show()
#释放内存。如果不释放，在arcgis或envi中打开该图像时显示文件已被占用
del dataset
driver = gdal.GetDriverByName("GTiff")
#创建空文件，并确定开辟多大内存；每个像素都有一个对应的值，这个值得类型用数据类型指定。这里的数据类型是gdal数据类型。
dataset = driver.Create("./hjnTEST.tif", im_datas.shape[1],im_datas.shape[0], 1, GDT_Float32)
#设置头文件信息
#（1）写入仿射变换参数
dataset.SetGeoTransform(im_geotrans)
#（2）写入投影信息(这里我所用的投影是从上一篇文章里的tif文件读来的)
dataset.SetProjection(im_proj)
#写入数据体
#为了方便，这里的im_bands是从上一篇文章里的tif文件所读取到的波段数，im_data是从上一篇文章里的tif文件所读取到的数据
im_bands=1
if im_bands == 1:
dataset.GetRasterBand(1).WriteArray(im_datas) #写入数组数据
else:
for i in range(im_bands):
dataset.GetRasterBand(i+1).WriteArray(im_datas[i])
#释放内存空间
del dataset
'''
