一、GDAL

1.介紹

Geospatial Data Abstraction Library （GDAL）是使用C/C++語言編寫的用於讀寫空間資料的一套跨平臺開源庫。現有的大部分GIS或者遙感平臺，不論是商業軟體ArcGIS，ENVI還是開源軟體GRASS，QGIS，都使用了GDAL作為底層構建庫。

GDAL庫由OGR和GDAL專案合併而來，OGR主要用於空間要素向量向量資料的解析，GDAL主要用於空間柵格資料的讀寫。此外，空間參考及其投影轉換使用開源庫 PROJ.4進行。

目前，GDAL主要提供了三大類資料的支援：柵格資料，向量資料以及空間網路資料（Geographic Network Model）。

GDAL提供了C/C++藉口，並且通過SWIG提供了Python，Java，C#等的呼叫藉口。當我們在Python中呼叫GDAL的API函式時，其實底層執行的是C/C++編譯的二進位制檔案。

GDAL不但提供了API藉口方便開發人員自定義自己的功能，而且還提供了一系列實用工具（Command Line Tools）可以實現方便快速的空間資料處理。我們可以使用這些實用工具，結合Linux Shell指令碼或者Windows批處理指令碼進行大批量空間資料的批量處理。

2.柵格資料組織

GDAL中使用dataset表示一個柵格資料（使用抽象類GDALDataset表示），一個dataset包含了對於柵格資料的波段，空間參考以及後設資料等資訊。一張GeoTIFF遙感影像，一張DEM影像，或者一張土地利用圖，在GDAL中都是一個GDALDataset。

1. 座標系統（使用OGC WKT格式表示的空間座標系統或者投影系統）
2. 地理仿射變換（使用仿射變換表示圖上座標和地理座標的關係）
3. GCPs（大地控制點記錄了圖上點及其大地座標的關係，通過多個大地控制點可以重建圖上座標和地理座標的關係）
4. 後設資料（鍵值對的集合，用於記錄和影像相關的後設資料資訊）
5. 柵格波段（使用GDALRasterBand類表示，真正用於儲存影像柵格值，一個柵格資料可以有多個波段）
6. 顏色表（Color Table用於影像顯示

3.地理仿射變換

GDAL資料集有兩種方式表示柵格資料中像元位置（影像中某個點在影像中的行列號）和投影座標系（不是經緯度，是投影到二維平面的地理座標，二者可以通過地圖投影進行相互轉換）間的關係：仿射變換和GCP點。而大部分資料資料集都是通過仿射變換進行描述的。

仿射變換使用如下的公式表示柵格圖上座標和地理座標的關係：

XGeo = GeoTransform[0]+GeoTransform[1]*Xpixel+Ypixel*GeoTransform[2];
YGeo = GeoTransform[3]+GeoTransform[5]*Ypixel+Ypixel*GeoTransform[5];

其中，(XGeo,YGeo)表示對應於畫素座標(Xpixel,Ypixel)的實際地理座標。對一個上北下南的影像，GeoTransform[2]和GeoTransform[4]等於0，GeoTransform[1]是像元的寬度（在x方向上的解析度大小）, GeoTransform[5]是像元的高度（在y方向上的解析度大小）。(GeoTransform[0],GeoTransform[3])座標對錶示左上角像元的實際地理座標。通過這個仿射變換，我們可以得到圖上所有像元對應的地理座標。

4.python庫環境搭建

windows環境下，在安裝GDAL、Opencv等依賴包時，需要提前安裝依賴包numpy。pip命令如下：

pip install numpy

然後，可使使用常規的pip命令進行安裝：

pip install gdal

或者使用conda命令進行安裝：

conda install gdal

說明：pip與conda的區別
（1）pip專門管理pyhton依賴包，其基於原始碼安裝，因此如果你無法編譯原始碼，那麼安裝將會很難受；
（2）conda可以允許你在conda環境中安裝任何語言的依賴包（c或python等），其從二進位制檔案安裝，這意味著有人完成了艱苦的編譯工作，因此安裝將很簡單。
（3）由於pip不能安裝和解析conda的包格式，因此不能互動使用conda和pip。

二、Opencv

1.介紹

眾所周知，OpenCV 是一個開源的計算機視覺庫。它由一系列 C 函式和少量 C++ 類構成，實現了影像處理和計算機視覺方面的很多通用演算法。

2.Opencv提供的功能

• 影像資料操作（記憶體分配與釋放，影像複製、設定和轉換）
• 影像/視訊的輸入輸出（支援檔案或攝像頭的輸入，影像/視訊檔案的輸出）
• 矩陣/向量資料操作及線性代數運算（矩陣乘積、矩陣方程求解、特徵值、奇異值分解）
• 支援多種動態資料結構（連結串列、佇列、資料集、樹、圖）
• 基本影像處理（去噪、邊緣檢測、角點檢測、取樣與插值、色彩變換、形態學處理、直方圖、影像金字塔結構）
• 結構分析（連通域/分支、輪廓處理、距離轉換、影像矩、模板匹配、霍夫變換、多項式逼近、曲線擬合、橢圓擬合、狄勞尼三角化）
• 攝像頭定標（尋找和跟蹤定標模式、引數定標、基本矩陣估計、單應矩陣估計、立體視覺匹配）
• 運動分析（光流、動作分割、目標跟蹤）
• 目標識別（特徵方法、HMM模型）
• 基本的GUI（顯示影像/視訊、鍵盤/滑鼠操作、滑動條）
• 影像標註（直線、曲線、多邊形、文字標註）

3.Opencv包含的模組

• cv – 核心函式庫
  • OpenCV基本資料結構
  • 動態資料結構
  • 繪圖函式
  • 陣列操作相關函式
  • 輔助功能與系統函式和巨集
  • 與OpenGL的互操作
• cvaux – 輔助函式庫
• cxcore – 資料結構與線性代數庫
• highgui – 高層GUI圖形使用者介面，包含媒體的輸入輸出、視訊捕捉、影像和視訊的編碼解碼、圖形互動介面的介面等
• ml – 機器學習函式庫
• legacy – 一些已經廢棄的程式碼庫、用來向下相容
• gpu – 運用GPU加速的計算機視覺模組
• flann – 高維的近似近鄰快速搜尋演算法庫
  • 快速近似最近鄰搜尋
  • 聚類
• features2d – 2D功能框架
  • 特徵檢測和描述
  • 特徵檢測器（Feature Detectors）通用介面
  • 描述符提取器（Descriptor Extractors）通用介面
  • 描述符匹配器（Descriptor Matchers）通用介面
  • 通用描述符（Generic Descriptor）匹配器通用介面
  • 關鍵點繪製函式和匹配功能繪製函式
• nonfree – 一些具有專利的演算法模組
• objdetect – 目標檢測模組
• ocl – 運用OpenGL加速的計算機視覺元件模組
• photo – 影像修復和影像去噪
• stiching – 影像拼接模組
• superres – 超解析度技術的相關功能模組
• ts – OpenCV測試相關程式碼
• video – 視訊穩定相關元件
• contrib – 新增的人臉識別、立體匹配、人工視網膜模型等技術
• calib3d – 用於相機校準和三維重建
• imgproc – 影像處理模組
  • 線性和非線性的影像濾波
  • 影像的幾何變換
  • 其他（Miscellaneous）影像轉換
  • 直方圖相關
  • 結構分析和形狀描述
  • 運動分析和物件跟蹤
  • 特徵檢測
  • 目標檢測等內容

4.Pyhton庫環境搭建

安裝指定版本，可使用如下pip命令：

pip install opencv-contrib-python==3.4.2.17

說明：上訴pip命令同時安裝了Opencv及其擴充套件模組（不穩定模組）。此外，安裝Opencv前仍要提前安裝numpy依賴包，具體方法參考gdal中介紹。
查詢Opencv現有版本的安裝pip命令的網站：點此

參考：

1. https://blog.csdn.net/theonegis/article/details/80304873
2. https://blog.csdn.net/mjyywd/article/details/20370731
3. https://blog.csdn.net/qq_41204464/article/details/86530217
4. https://www.cnblogs.com/pangliang/archive/2010/11/21/1883566.html
5. https://blog.csdn.net/u012198575/article/details/82020980