GeoAI切片介绍

geoai 库提供了一套完整的地理空间数据处理工具，其中影像切片（Tile）功能是其核心能力之一。本文档详细介绍 geoai 库中与切片相关的主要方法及其使用场景。

核心切片方法

geoai.export_geotiff_tiles

功能定位：将大型GeoTIFF影像切割成固定大小的瓦片，用于深度学习训练样本生成。

方法签名：

geoai.export_geotiff_tiles(    in_raster: str,    out_folder: str,    in_class_data: str = None,    tile_size: int = 512,    stride: int = 256,    skip_empty_tiles: bool = False,    buffer_radius: int = 0,    all_touched: bool = True,    create_overview: bool = False,    apply_augmentation: bool = False,    augmentation_count: int = 2,    quiet: bool = False)

参数说明：

返回值：无返回值，直接将瓦片写入输出目录。

输出结构：

out_folder/├── images/           # 影像瓦片目录│   ├── tile_000000.tif│   ├── tile_000001.tif│   └── ...├── labels/           # 标签瓦片目录（当提供in_class_data时）│   ├── tile_000000.tif│   ├── tile_000001.tif│   └── ...├── annotations/      # 标注文件目录（可选）│   ├── tile_000000.xml│   └── ...└── overview.png      # 概览图（当create_overview=True时）

使用示例：

import geoai# 基础用法：生成训练样本geoai.export_geotiff_tiles(    in_raster="./data/image.tif",    out_folder="./output",    in_class_data="./data/buildings.geojson",    tile_size=512,    stride=256,    skip_empty_tiles=True,    apply_augmentation=True,    augmentation_count=2)

geoai.read_raster_metadata

功能定位：读取栅格影像的元数据信息，为切片前的预处理提供依据。

方法签名：

metadata = geoai.read_raster_metadata(raster_path: str)

返回值结构：

使用示例：

import geoaimetadata = geoai.read_raster_metadata("./data/image.tif")print(f"影像尺寸: {metadata.width} x {metadata.height}")print(f"坐标系: {metadata.crs}")print(f"分辨率: {metadata.resolution}")

geoai.get_raster_info

功能定位：获取栅格影像的详细信息，包含统计数据。

方法签名：

info = geoai.get_raster_info(raster_path: str)

返回值结构：

{'driver': 'GTiff','width': 1024,'height': 1024,'count': 4,'crs': 'EPSG:3857','resolution': (0.5, 0.5),'bounds': {'left': 120.0,'bottom': 30.0,'right': 121.0,'top': 31.0    },'band_stats': {1: {'min': 0, 'max': 255, 'mean': 128.5, 'std': 50.0},2: {'min': 0, 'max': 255, 'mean': 130.2, 'std': 48.0},3: {'min': 0, 'max': 255, 'mean': 125.8, 'std': 52.0}    }}

geoai.get_vector_info

功能定位：获取矢量数据的基本信息。

方法签名：

info = geoai.get_vector_info(vector_path: str)

返回值结构：

切片策略与参数选择指南

瓦片尺寸选择

滑窗步长策略

重叠率计算公式：overlap_ratio = 1 - stride / tile_size

数据增强选项

当 apply_augmentation=True 时，支持以下增强方式：

• • 水平翻转 (Horizontal Flip)
• • 垂直翻转 (Vertical Flip)
• • 旋转 (Rotation)
• • 亮度调整 (Brightness Adjustment)
• • 对比度调整 (Contrast Adjustment)

标准训练样本生成

import geoaifrom pathlib import Path# 配置路径BASE_DIR = Path("./data")RASTER_PATH = BASE_DIR / "image.tif"VECTOR_PATH = BASE_DIR / "buildings.geojson"OUTPUT_DIR = BASE_DIR / "training_samples"# 读取元数据metadata = geoai.read_raster_metadata(str(RASTER_PATH))print(f"准备切割影像: {metadata.width}x{metadata.height}")# 生成训练样本geoai.export_geotiff_tiles(    in_raster=str(RASTER_PATH),    out_folder=str(OUTPUT_DIR),    in_class_data=str(VECTOR_PATH),    tile_size=512,    stride=256,    skip_empty_tiles=True,    all_touched=True,    create_overview=True,    apply_augmentation=True,    augmentation_count=2,    quiet=False)print(f"切片完成，输出目录: {OUTPUT_DIR}")

批量处理多个影像

import geoaifrom pathlib import Pathinput_dir = Path("./images")output_dir = Path("./tiles")# 遍历所有tif文件for raster_file in input_dir.glob("*.tif"):print(f"处理: {raster_file.name}")# 创建对应输出目录    tile_dir = output_dir / raster_file.stem    tile_dir.mkdir(parents=True, exist_ok=True)# 执行切片（无标签模式）    geoai.export_geotiff_tiles(        in_raster=str(raster_file),        out_folder=str(tile_dir),        tile_size=512,        stride=512,  # 无重叠        skip_empty_tiles=False,        create_overview=True    )

内存优化

1. 1. 分块读取：对于超大影像，geoai内部自动采用分块读取机制
2. 2. 跳过空瓦片：设置 skip_empty_tiles=True 减少无效计算
3. 3. 合理设置tile_size：避免一次加载过大的瓦片

并行处理

geoai内部已实现多线程并行处理，可通过环境变量控制：

export GEOAI_NUM_THREADS=8  # 设置并行线程数

输出格式选择

切片后坐标信息丢失？

原因：输出格式不支持地理信息或未保留元数据。

解决方案：

• • 使用GeoTIFF格式输出
• • 确保输入影像包含正确的地理参考信息

标签与影像不匹配？

原因：矢量数据与栅格数据坐标系不一致。

解决方案：

# 切片前确保坐标统一import geopandas as gpdgdf = gpd.read_file(vector_path)with rasterio.open(raster_path) as src:    raster_crs = src.crsif gdf.crs != raster_crs:    gdf = gdf.to_crs(raster_crs)    gdf.to_file(aligned_vector_path)

内存不足错误？

原因：tile_size设置过大或影像尺寸超出内存限制。

解决方案：

• • 减小tile_size（如从1024改为512）
• • 使用分块处理
• • 增加系统内存

geoai 提供了一套完整的影像切片工具链，核心方法包括：

1. 1. export_geotiff_tiles：核心切片方法，支持训练样本生成
2. 2. read_raster_metadata：读取栅格元数据
3. 3. get_raster_info：获取栅格详细信息（含统计）
4. 4. get_vector_info：获取矢量数据信息

合理选择参数（tile_size、stride、数据增强等）可显著提升训练样本质量和模型性能。