这是一篇必应上找的手册上的文章，特此记录 参考链接： 原文 参考链接2 影像中的RPC信息 目录 1、仿射变换矩阵转换2、使用控制点转换3、使用RPC进行坐标点转换 1、仿射变换矩阵转换 上面说的利用仿射转换矩阵进行转换，一些注意事项可以参考原文，复现代码 import rasteriofrom rasterio import transform,Affinedef D

地理空间数据在从遥感和城市规划到环境监测和灾害管理的各个领域发挥着至关重要的作用。在处理机器学习任务的地理空间数据时，准备自定义数据加载器对于有效加载、预处理和增强数据而不丢失其属性至关重要，特别是当输入图像具有超过 3 个波段时。 Rasterio确实是一个专门为有效处理地理空间栅格数据而设计的专门库。虽然 OpenCV 和 Pillow 等库用途广泛并广泛用于图像处理，但它们可能不提供

目录 简介常用函数栅格读写rasterio.open（）dst.write（） 仿射变换rasterio.transform.from_origin（） 遮罩处理geometry_mask() 简介 Rasterio 是一个用于读写栅格数据集的 Python 库，它提供了方便的接口来处理各种栅格数据格式，如 GeoTIFF、JPEG、PNG 等。Rasterio 能够读取、写

Rasterio是一个Python库，专门用于栅格数据的读写操作。它支持多种栅格数据格式，如GeoTIFF、ENVI和HDF5，为处理和分析栅格数据提供了强大的工具。RasterIO适用于各种栅格数据应用，如卫星遥感、地图制作等。通过RasterIO，用户可以方便地读取、写入和操作栅格数据，提高数据处理效率。此外，RasterIO还支持自定义栅格数据类型和变换操作，具有很高的灵活性和可扩展性。总的

在学习遥感的过程中，我们都了解到了监督分类与非监督分类，二者是遥感解译的基础。之前更多的是使用Erdas与ENVI来进行这两种分类。这里使用python语言，基于机器学习库sklearn与遥感影像处理库rasterio，使用kmeans动态聚类方法实现非监督分类。 非监督分类 非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验（已知）类别标准的图像分类，是以集群为理论基础，

打开，anaconda prompt。（下面以我的安装目录为例） (base) C:\Users\86136>E: (base) E:\>cd Anaconda (base) E:\Anaconda>cd Lib (base) E:\Anaconda\Lib>cd site-packages 1、查看python版本 python -V，我是3.7.11版本   以安装GDAL为例，

先说解决方法： 卸载gdal，重新安装gdal，然后安装rasterio，顺利完成安装。 试错及解决过程： 1、最开始安装rasterio，提示出现错误，需要安装visual c++。 2、按照提示要求下载进行安装VC++，装好后提示出现错误，一串VC的路径后，提示出现错误           exit  code 2。 3、在网上找各种解决方法，依然无效。 4、重新阅读安装raste