如何利用Cloud Mask移除TIFF文件中编号9的云区域

核心思路是利用Cloud Mask生成布尔掩码，定位数值为9的区域，然后将4个影像波段中对应位置的像素设为无效值（如NaN或约定的填充值）。以下是两种常用实现方案：

方案1：用Rasterio处理TIFF文件（专业遥感场景） #

Rasterio是处理地理空间TIFF的常用库，能直接读取/写入带元数据的影像：

步骤： #

1. 安装依赖：

pip install rasterio numpy

2. 处理代码：

import rasterio
import numpy as np

# 读取目标TIFF
with rasterio.open('your_input.tif') as src:
    # 读取前4个影像波段和第5个Cloud Mask波段
    image_stack = src.read(range(1,5))  # 形状：(4, 256, 256)
    cloud_mask = src.read(5)            # 形状：(256, 256)
    
    # 生成掩码：标记所有mask值为9的像素位置
    invalid_mask = cloud_mask == 9
    
    # 将无效区域设为NaN（若需保留整数类型，可替换为-9999这类遥感常用填充值）
    image_stack = image_stack.astype(np.float32)
    image_stack[:, invalid_mask] = np.nan
    
    # 准备输出元数据，保留原影像的投影、坐标系等信息
    out_meta = src.meta.copy()
    out_meta.update({
        'count': 4,          # 仅输出4个处理后的影像波段
        'dtype': 'float32'   # 因使用NaN需转为浮点类型
    })
    
    # 保存处理后的TIFF
    with rasterio.open('your_output.tif', 'w', **out_meta) as dst:
        dst.write(image_stack)

方案2：直接处理已加载的Numpy数组 #

如果已经将波段数据加载为Numpy数组（如你提供的示例数据），可直接用数组操作处理：

import numpy as np

# 假设已加载各波段数组（对应你提供的示例数据）
band1 = np.array([[601, 594, 912, ...], ...])
band2 = np.array([[800, 843, 1146, ...], ...])
band3 = np.array([[935, 1086, 1324, ...], ...])
band4 = np.array([[2242, 2404, 3066, ...], ...])
cloud_mask = np.array([[4, 4, 5, ...], ...])

# 合并为(4, 256, 256)的影像堆叠数组
image_stack = np.stack([band1, band2, band3, band4])

# 生成无效区域掩码
invalid_mask = cloud_mask == 9

# 替换无效区域为NaN（或填充值）
image_stack = image_stack.astype(np.float32)
image_stack[:, invalid_mask] = np.nan

# 处理后的结果存储在image_stack中，可按需进一步使用或保存

关键说明： #

• 若需保留整数数据类型，避免使用NaN，可将替换值改为遥感领域常用的无效填充值（如-9999）
• 确认Cloud Mask的波段索引：Rasterio中波段从1开始计数，若你的数据是0索引，需调整为src.read(4)
• 处理后的数据若用于后续分析，需确保工具能识别你设置的无效值

内容的提问来源于stack exchange，提问作者PScode