### 使用Python创建高分辨率遥感图像和无人机图像数据集 #### 数据预处理工具与方法 对于高分辨率遥感图像或无人机图像的数据集构建，可以采用多种Python库来完成必要的操作。这些操作通常包括读取原始图像、切割成更小的图块、生成标签文件以及保存处理后的图像。 在遥感领域内，`rasterio`是一个非常流行的用于读写栅格数据的库[^2]。通过此库能够轻松加载GeoTIFF或其他格式的卫星影像，并执行诸如裁剪、投影变换等空间操作。另外，在准备训练机器学习模型所需的数据时，可能还需要将多光谱波段组合起来形成适合输入给神经网络的形式；此时可借助于NumPy数组来进行高效的矩阵运算。 针对特定任务如建筑物提取，则需进一步加工原图以适应算法需求。例如，按照引用描述的做法，会先定义好目标对象（即建筑轮廓），再利用矢量化手段将其转化为可用于监督分类的二值掩码——这一步骤同样可以用到`shapely`这样的几何计算模块辅助实现边界绘制功能[^3]。 最后，当一切准备工作就绪之后，便要着手整理最终版的数据集合了。考虑到后续可能会频繁调用这批素材开展实验验证工作，建议遵循良好实践建立清晰易懂的项目结构布局： ```plaintext /dataset/ ├── images/ │ ├── original_image_1.tif │ └── ... └── labels/ ├── mask_for_original_image_1.tif └── ... ``` 上述路径下的子目录分别存储未经任何改动的真实场景快照及其对应的标注结果（比如前述提到过的黑白两色蒙板）。值得注意的是，如果计划让计算机视觉框架直接解析`.json`形式的实例分割记录，那么务必记得安装配套插件以便顺利完成转换过程。 #### Python代码示例 下面给出一段简单的脚本片段作为示范，展示怎样运用前面提及的技术栈快速搭建起基础版本的数据集构造流水线： ```python import os from pathlib import Path import rasterio as rio from shapely.geometry import shape, mapping import numpy as np def create_mask_from_vector(vector_file_path: str, output_dir: str, resolution=(1024, 1024)): """Convert vector file into binary masks.""" with open(vector_file_path) as f: polygons = [shape(feature['geometry']) for feature in json.load(f)['features']] bounds = min([poly.bounds for poly in polygons], key=lambda b: (b[2]-b[0])*(b[3]-b[1])) width, height = int((bounds[2] - bounds[0])/resolution[0]), \ int((bounds[3] - bounds[1])/resolution[1]) profile = { 'driver': 'GTiff', 'height': height, 'width': width, 'count': 1, 'dtype': 'uint8' } data = np.zeros((profile["height"], profile["width"]), dtype=np.uint8) for polygon in polygons: geom_array = list(mapping(polygon).values())[0]['coordinates'] row_col_gen = ((row, col) for lon, lat in geom_array for row, col in [(int((lat-bounds[1])*height/(bounds[3]-bounds[1])), int((lon-bounds[0])*width /(bounds[2]-bounds[0])))]) for r,c in row_col_gen: try: data[r][c]=1 except IndexError: continue outpath = os.path.join(output_dir,f"{Path(vector_file_path).stem}.tif") with rio.open(outpath,'w',**profile) as dst: dst.write(data.astype(rio.uint8), indexes=1) if __name__ == "__main__": input_folder = "/path/to/vector/files" output_folder = "/output/path" files = glob.glob(os.path.join(input_folder,"*.geojson")) for fp in tqdm(files): create_mask_from_vector(fp,output_folder) ``` 这段程序实现了从地理JSON文件向带有滑坡标记的灰度级TIF文件转变的功能，适用于那些希望基于已有GIS资料迅速建立起可供AI系统消费的小规模测试集的研究人员们使用。