基于栅格掩膜用Python程序化检测屋顶是否倾斜的方法

核心思路 #

利用LiDAR栅格的高程离散程度判断屋顶类型：平坦屋顶的高程值波动极小（标准差低），倾斜屋顶的高程变化明显（标准差高）。同时通过预处理过滤烟囱、水箱等小范围凸起的干扰。

实现步骤及代码 #

1. 依赖库安装（若未安装）

pip install rasterio fiona numpy scikit-image

2. 完整代码实现

import fiona
import rasterio
import rasterio.mask
import numpy as np
from skimage.morphology import opening, square

# 配置参数
SHP_PATH = "MyShapefile.shp"
RASTER_PATH = "RasterFile.tif"
OUTPUT_SHP_PATH = "RoofType_Result.shp"
# 标准差阈值：根据实际数据精度调整，值越小判断越严格
STD_THRESHOLD = 0.5
# 形态学操作核大小：用于去除烟囱等小凸起，单位为栅格像素
KERNEL_SIZE = 3

# 读取原shapefile元数据与特征
with fiona.open(SHP_PATH, "r") as src_shp:
    schema = src_shp.schema.copy()
    # 添加屋顶类型字段
    schema['properties']['roof_type'] = 'str:10'
    crs = src_shp.crs

    # 打开LiDAR栅格文件
    with rasterio.open(RASTER_PATH) as src_raster:
        # 写入结果shapefile
        with fiona.open(OUTPUT_SHP_PATH, "w", driver=src_shp.driver, schema=schema, crs=crs) as dest_shp:
            # 逐个处理每个建筑多边形
            for feature in src_shp:
                geom = feature["geometry"]
                # 对单个建筑区域进行掩膜
                out_image, _ = rasterio.mask.mask(src_raster, [geom], crop=True, nodata=np.nan)
                # 过滤无效的空值高程数据
                elevation_data = out_image[0][~np.isnan(out_image[0])]
                
                if len(elevation_data) == 0:
                    # 无有效高程数据，标记为未知
                    feature['properties']['roof_type'] = "unknown"
                else:
                    # 可选：用形态学开运算去除小凸起（烟囱、水箱等）
                    temp_data = out_image[0].copy()
                    temp_data[np.isnan(temp_data)] = 0
                    cleaned_data = opening(temp_data, square(KERNEL_SIZE))
                    cleaned_elevation = cleaned_data[cleaned_data != 0]
                    
                    # 计算高程标准差
                    std_dev = np.std(cleaned_elevation)
                    # 根据阈值判断屋顶类型
                    feature['properties']['roof_type'] = "flat" if std_dev < STD_THRESHOLD else "sloped"
                
                # 将标记结果写入新shapefile
                dest_shp.write(feature)

关键说明 #

• 阈值调整：STD_THRESHOLD需匹配你的LiDAR数据精度，比如数据精度为0.1米时，平坦屋顶的标准差通常在0.3以内，倾斜屋顶会远高于该值。
• 形态学预处理：如果数据中存在大量烟囱、水箱等小结构，开启形态学开运算可有效过滤干扰，避免误判。
• 逐个处理逻辑：相比一次性掩膜所有建筑，逐个处理能精准对应每个多边形的屋顶类型，结果直接写入原shapefile的新字段，方便后续GIS分析。

内容的提问来源于stack exchange，提问作者furbaw