近期在處理遙感數(shù)據(jù)的時候，發(fā)現(xiàn)了一些問題跟大家分享一下解決方案。

有一張不知道從哪里搞來的中國的夜間燈光數(shù)據(jù)，分辨率為28800*18000，在Python語言下，Opencv讀取和PIL讀取都會出現(xiàn)問題。

Opencv直接就是變量為Nonetype，連錯都沒報！

PIL是像素個數(shù)超過了限定值，報了錯，PIL拒絕加載。

So，我找到了一些解決方案：

1、編寫matlab程序，調用blockproc函數(shù)，進行切割，該方法適用于超大影像，如幾個G,甚至幾十GB的。

2、對于PIL、Opencv警告的處理也要具體問題具體分析：解壓后的數(shù)據(jù)小于當前物理內存的圖片，可以通過設置Image.MAX_IMAGE_PIXELS來適當提高觸發(fā)警告的閾值，繼而強制加載。解壓后的數(shù)據(jù)大小可以用圖片尺寸與色彩位深來估計。

如PIL：

>>> from PIL import Image >>> Image.MAX_IMAGE_PIXELS = 1000000000 #Or None >>> im = Image.open(r'some.tif')

但是，對于解壓后的數(shù)據(jù)顯然大于當前物理內存的圖片，應當靈活應用圖片壓縮方法具備的特性，例如JPEG的遞進性（即Progressive）、JPEG 2000的區(qū)域解碼（即Random Access）等等。然而這些特性，PIL幾乎不能使用，因此應當考慮其他專業(yè)軟件或者根據(jù)需求自行實現(xiàn)。

3、更換其他語言進行嘗試，如C++，匯編語言。

4、萬事都不如增加配置來的方便，燒錢吧！如果是20gb以上的圖片，最好有128gb以上的內存，和480gb以上固態(tài)硬盤，主要是讀寫速度不夠，所以硬盤一定要好。

也許對于具有極大物理內存的用戶來說，通過調整閾值，圖像尺寸似乎就沒有了上限。但事實上考慮到Python令人遺憾的多核性能（至少對于cPython），以及一個平凡的觀察——你通常需要處理很多小圖片，或者些許大圖片——加載一個特別大的圖片將不會在合理的時間內完成，即使通過并行處理也節(jié)約不了太多時間（并沒有那么多圖片需要處理）。

參考文獻：

Matlab切割超大影像?blog.csdn.netPython圖形庫處理大型圖片的有關問題 - 胡先生與他愉快的朋友們?huzheyang.cn

總結

以上是生活随笔為你收集整理的兼容超大图片的处理_计算机读取超大图像的一些问题简述的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。