使用rasterio读取PNG时如何指定非默认命名的地理元数据文件

实际场景说明 #

• 日常工作流：使用rasterio读取PNG格式栅格，处理后导出为GeoTIFF文件
• 现有GDAL默认规则：同目录下的栅格文件，会自动匹配和主文件名前缀完全一致的配套地理元数据——比如读取file.png时，会自动识别同目录的file.pgw世界文件、file.png.aux.xml投影元数据文件，让打开的数据集自带地理坐标、投影信息
• 现有使用痛点：多个PNG文件共享同一套地理元数据，为了触发GDAL的自动识别逻辑，每次都要复制、重命名配套的PGW、AUX.XML文件，流程繁琐、冗余度高
• 预期需求：无需严格匹配GDAL的默认命名规则，直接指定外部独立存储的PGW、AUX.XML文件路径，让rasterio打开的PNG数据集可以正常关联地理元数据，开展后续处理、重投影等操作

可落地方案说明 #

rasterio本身没有提供直接传入pgw_path、xml_path这类参数的接口，因为底层GDAL的打开逻辑本身不支持在打开栅格时直接指定配套元数据路径，元数据自动识别完全依靠固定的命名、路径规则触发。但可以通过两种完全等效的方式实现需求，不需要反复复制重命名文件：

方案1：手动解析外部元数据，直接赋值给栅格数据集 #

这是最灵活、适配性最强的方式，核心逻辑是先单独解析外部PGW、AUX.XML里的地理参数，再直接给打开的PNG数据集手动赋值仿射变换、投影属性，效果和GDAL自动识别完全一致。
示例代码：

import rasterio
from rasterio.crs import CRS
from osgeo import gdal

def parse_pgw(pgw_file_path):
    """手动解析PGW世界文件，返回rasterio兼容的仿射变换参数"""
    with open(pgw_file_path, 'r', encoding='utf-8') as f:
        line_values = [float(line.strip()) for line in f.readlines()]
    # PGW文件固定顺序：X方向像素分辨率、X方向旋转项、Y方向旋转项、Y方向像素分辨率（通常为负）、左上角X坐标、左上角Y坐标
    return rasterio.Affine(
        line_values[0], line_values[1], line_values[4],
        line_values[2], line_values[3], line_values[5]
    )

def parse_aux_xml(xml_file_path):
    """从AUX.XML文件中解析返回CRS投影对象"""
    xml_ds = gdal.OpenEx(xml_file_path)
    projection_wkt = xml_ds.GetProjection()
    return CRS.from_wkt(projection_wkt)

# 实际调用流程
target_png = 'test.png'
shared_meta_pgw = 'common_coord.pgw'
shared_meta_xml = 'common_proj.aux.xml'

with rasterio.open(target_png) as src:
    # 手动绑定外部元数据
    src.transform = parse_pgw(shared_meta_pgw)
    src.crs = parse_aux_xml(shared_meta_xml)
    
    # 后续处理和自动识别元数据的场景完全一致，可直接开展裁剪、重投影、导出操作
    export_profile = src.profile
    export_profile.update(driver='GTiff', compress='deflate')
    with rasterio.open('output_result.tif', 'w', **export_profile) as dst:
        dst.write(src.read())

方案2：通过GDAL临时VRT数据集关联外部元数据 #

如果不想手写元数据解析逻辑，可以利用GDAL的虚拟数据集机制，在内存中动态把PNG栅格和外部元数据绑定成可操作的数据集，不需要落地任何临时实体文件。
示例代码：

from osgeo import gdal
import rasterio

target_png = 'test.png'
shared_meta_pgw = 'common_coord.pgw'
shared_meta_xml = 'common_proj.aux.xml'

# 读取基础PNG栅格
base_raster_ds = gdal.Open(target_png)
# 加载外部AUX.XML的投影信息
proj_ds = gdal.Open(shared_meta_xml)
base_raster_ds.SetProjection(proj_ds.GetProjection())
# 解析并设置PGW的仿射变换参数
with open(shared_meta_pgw, 'r') as f:
    pgw_values = [float(line.strip()) for line in f]
base_raster_ds.SetGeoTransform([
    pgw_values[4], pgw_values[0], pgw_values[1],
    pgw_values[5], pgw_values[2], pgw_values[3]
])

# 转换为rasterio可操作的对象，后续流程和普通打开的数据集完全一致
src = rasterio.open(base_raster_ds)

注意事项 #

• 手动赋值的transform、crs属性，和GDAL自动从配套文件识别的属性没有任何差异，后续的坐标计算、重投影、GeoTIFF导出流程完全兼容
• 如果AUX.XML中存储了NoData值、颜色表、波段描述等额外元数据，也可以通过同样的解析逻辑，手动提取后赋值给数据集对象
• 不需要为了适配GDAL的命名规则反复复制重命名元数据文件，所有绑定逻辑都可以在内存中完成，没有额外的文件IO开销

内容的提问来源于stack exchange，提问作者Pythonist