Python中10波段光谱数组导出TIFF后C++读取异常问题

看起来你遇到的核心问题是skimage保存多波段TIFF时的维度/存储格式，和C++端读取库的解析逻辑不兼容。skimage本身更偏向计算机视觉场景的单/RGB波段处理，对多光谱（10波段）TIFF的元数据和存储顺序支持不够完善，导致C++库（比如OpenCV、GDAL）无法正确识别空间维度。

可能的原因 #

• 维度顺序差异：Python中skimage处理的是(高度H, 宽度W, 波段数C)的结构，但TIFF标准中部分库默认期望(波段数C, 高度H, 宽度W)的平面存储格式，而skimage默认用像素交错式存储（每个像素的所有波段连续排列），C++库如果按平面方式解析，就会错误合并H维度。
• 元数据缺失：skimage保存TIFF时，可能没有正确写入波段数、样本格式等关键元数据，导致C++端无法正确解析空间维度。

推荐解决方案：用专业遥感库保存TIFF #

对于多光谱波段的TIFF，更推荐用rasterio或GDAL这类专门处理栅格数据的库，它们能严格遵循TIFF规范写入元数据，确保跨语言读取的一致性。

方案1：使用rasterio保存（更简洁） #

首先安装rasterio：

pip install rasterio

结合你从命令行接收图像参数的场景，示例代码如下：

import rasterio
import numpy as np
import sys

def main():
    # 从命令行获取输入图像路径（替换为你实际的数组生成/合并逻辑）
    input_paths = sys.argv[1:]
    # 模拟生成10波段数组：shape=(H, W, 10)
    multi_band_array = np.random.rand(512, 512, 10).astype(np.float32)
    
    # 配置TIFF元数据
    profile = {
        'driver': 'GTiff',
        'height': multi_band_array.shape[0],
        'width': multi_band_array.shape[1],
        'count': 10,  # 明确指定波段数
        'dtype': multi_band_array.dtype,
        'nodata': None,
        'interleave': 'pixel',  # 可选：'pixel'或'band'，匹配C++端读取习惯
        'tiled': False,
    }
    
    # 保存多波段TIFF：rasterio期望维度为(C, H, W)，所以转置数组
    with rasterio.open('multi_band_output.tif', 'w', **profile) as dst:
        dst.write(multi_band_array.transpose(2, 0, 1))

if __name__ == '__main__':
    main()

方案2：使用GDAL保存（工业标准，兼容性极强） #

GDAL是栅格数据处理的行业标准，适合复杂多光谱场景：

from osgeo import gdal, gdal_array
import numpy as np
import sys

def main():
    input_paths = sys.argv[1:]
    # 模拟10波段数组
    multi_band_array = np.random.rand(512, 512, 10).astype(np.float32)
    
    # 创建TIFF驱动
    driver = gdal.GetDriverByName('GTiff')
    # 创建输出文件：参数依次为路径、宽度、高度、波段数、数据类型
    out_ds = driver.Create(
        'multi_band_output.tif',
        multi_band_array.shape[1],
        multi_band_array.shape[0],
        10,
        gdal_array.NumericTypeCodeToGDALTypeCode(multi_band_array.dtype)
    )
    
    # 逐波段写入数据
    for band_idx in range(10):
        out_band = out_ds.GetRasterBand(band_idx + 1)
        out_band.WriteArray(multi_band_array[:, :, band_idx])
    
    # 释放资源
    out_ds = None

if __name__ == '__main__':
    main()

若坚持使用skimage的调整方案 #

如果必须用skimage，可以尝试转置维度并依赖tifffile插件，但兼容性仍不如专业库：

from skimage import io
import numpy as np

# 先安装依赖：pip install tifffile
# 转置为(C, H, W)格式后保存
io.imsave(
    'multi_band_skimage.tif',
    multi_band_array.transpose(2, 0, 1),
    plugin='tifffile',
    bigtiff=True
)

C++端读取注意事项 #

如果用OpenCV读取，需指定保留原始数据的标志：

// 读取多波段TIFF，IMREAD_UNCHANGED保留所有波段和原始类型
cv::Mat img = cv::imread("multi_band_output.tif", cv::IMREAD_UNCHANGED);
// 验证维度：img.size()对应(W, H)，img.channels()对应波段数

如果用GDAL读取，遵循标准栅格读取流程即可，能正确识别所有维度信息。

内容的提问来源于stack exchange，提问作者Yasser Kotrsi