引言

本人遥感图像处理领域的硕士小白一枚，提笔的初衷是希望通过科普文的方式强化自身的Python代码编写能力，并提供给同样想学习入门Python的同学一个参考。代码有很多不足，但亲测可运行。下面让我们进入主题：

遥感图像以及现行大部分RGB图像中存在的噪声以高斯噪声为主，因此为去除图像中的冗余信息，强化主成分信号，高斯降噪方法应运而生。高斯降噪就是对图像中像元值及其邻域内一定范围的值加权取平均的过程。

数据介绍

4波段遥感图像，分别为蓝、绿、红、近红外波段，数据类型为uint16，下图显示了本实验所用的真彩色图像：

Python代码实现

import cv2

from osgeo import gdal

#定义图像打开方法

def image_open(image):

dataset = gdal.Open(image)

if dataset == "None":

print("无法打开数据")

return dataset

#命名相关变量

FilePath = r"E:\yync\try\edata\20180911_yync.tif"

data = image_open(FilePath)

Projection = data.GetProjection()

Transform = data.GetGeoTransform()

#按照np方式读取图像

X = data.RasterXSize

Y = data.RasterYSize

DataArray = data.ReadAsArray(0, 0, X, Y)

bands, height, width = DataArray.shape

print(X,Y,bands, width, height)

#高斯滤波过程，滤波核大小为3×3

GS = cv2.GaussianBlur(DataArray, (3, 3), 0)

#构建输出数据集

def drive(result):

output1 = gdal.GetDriverByName("GTiff")

output2 = output1.Create("GS3.tif", width, height, bands, gdal.GDT_Int16)

output2.SetProjection(Projection)

output2.SetGeoTransform(Transform)

for i in range(bands):

output3 = output2.GetRasterBand(i+1)

output3.WriteArray(result)

#运行函数，输出特征

for i in range(bands):

drive(GS[i])

处理结果