如何用JPG掩码+无云影像实现TIFF卫星数据去云？求Python方案

前提说明 #

需确保三幅影像的空间范围、分辨率、波段数完全匹配。若存在偏差，需先完成影像配准操作，否则替换后会出现错位问题。

方案一：基于Rasterio实现（推荐，支持地理元数据保留） #

Rasterio专为地理栅格数据设计，能自动保留影像的坐标系统、投影等地理信息，适合专业卫星影像处理。

代码实现 #

import rasterio
import numpy as np

# 替换为你的文件路径
cloudy_tif = "cloudy_image.tif"
cloud_mask_jpg = "cloud_mask.jpg"
clear_tif = "clear_image.tif"
output_tif = "denoised_result.tif"

# 读取含云影像及元数据
with rasterio.open(cloudy_tif) as src_cloudy:
    cloudy_arr = src_cloudy.read()  # 数组形状：(波段数, 高度, 宽度)
    save_profile = src_cloudy.profile  # 用于保存结果的元数据模板

# 读取无云影像
with rasterio.open(clear_tif) as src_clear:
    clear_arr = src_clear.read()

# 读取云掩码（JPG灰度图取单通道）
with rasterio.open(cloud_mask_jpg) as src_mask:
    mask_arr = src_mask.read(1)
    # 生成云区布尔掩码：黑色像素（值为0）标记为True
    cloud_mask = mask_arr == 0

# 校验尺寸一致性
assert cloudy_arr.shape == clear_arr.shape, "含云与无云影像的波段数/尺寸不匹配"
assert cloud_mask.shape == cloudy_arr.shape[1:], "掩码与影像的高度/宽度不匹配"

# 替换云区像素：遍历每个波段，用无云影像覆盖云区
denoised_arr = cloudy_arr.copy()
for band_idx in range(cloudy_arr.shape[0]):
    denoised_arr[band_idx][cloud_mask] = clear_arr[band_idx][cloud_mask]

# 保存去云结果
with rasterio.open(output_tif, 'w', **save_profile) as dst:
    dst.write(denoised_arr)

注意事项 #

• 若JPG掩码因压缩导致黑色像素值不是严格的0，可调整阈值为mask_arr < 10（根据实际情况微调）
• 所有影像的投影、分辨率必须一致，否则替换后会出现空间错位

方案二：基于skimage实现（适合无地理元数据需求的场景） #

skimage专注于通用图像处理，操作简洁，但无法直接处理地理元数据，适合已完成配准的影像。

代码实现 #

from skimage.io import imread, imsave
import numpy as np

# 替换为你的文件路径
cloudy_tif = "cloudy_image.tif"
cloud_mask_jpg = "cloud_mask.jpg"
clear_tif = "clear_image.tif"
output_tif = "denoised_result.tif"

# 读取影像：skimage读取TIFF为(高度, 宽度, 波段数)格式
cloudy_arr = imread(cloudy_tif)
clear_arr = imread(clear_tif)
# 读取掩码并转为灰度图
mask_arr = imread(cloud_mask_jpg, as_gray=True)

# 生成云区布尔掩码
cloud_mask = mask_arr == 0

# 校验尺寸一致性
assert cloudy_arr.shape == clear_arr.shape, "含云与无云影像的波段数/尺寸不匹配"
assert cloud_mask.shape == cloudy_arr.shape[:2], "掩码与影像的高度/宽度不匹配"

# 适配多波段影像：将掩码扩展为(高,宽,1)维度，与影像通道匹配
if len(cloudy_arr.shape) == 3:
    cloud_mask = np.expand_dims(cloud_mask, axis=-1)

# 替换云区：云区用无云影像填充，非云区保留原影像
denoised_arr = np.where(cloud_mask, clear_arr, cloudy_arr)

# 保存结果：需保持与原影像一致的数据类型（如uint8、uint16）
imsave(output_tif, denoised_arr.astype(cloudy_arr.dtype))

注意事项 #

• skimage读取TIFF的通道顺序为(H,W,C)，与Rasterio的(C,H,W)不同，需注意数组维度差异
• 若需要保留地理元数据，建议结合Rasterio读取/保存影像，仅用skimage完成像素替换操作

内容的提问来源于stack exchange，提问作者Salvatore Danilo Palumbo