使用环境

在深度学习中，待预测影像通过预测模型，获得每一张切片的预测结果，后续需要将所有小切片镶嵌。但因为这些
切片并没有地理坐标，不能使用arcgis等工具。

代码

镶嵌前的参数设置

import PIL.Image as Image
import os

IMAGES_PATH = r'小切片的路径'  # 图片集地址
# IMAGES_FORMAT = ['.jpg', '.JPG']  # 图片格式
IMAGES_FORMAT = ['.png']  # 图片格式
IMAGE_SIZE = 256  # 每张小图片的大小
IMAGE_ROW = 7  # 图片间隔，也就是合并成一张图后，一共有几行
IMAGE_COLUMN = 6  # 图片间隔，也就是合并成一张图后，一共有几列
IMAGE_SAVE_PATH = 'predict.jpg'  # 图片转换后的地址

切片排序

#按数字大小进行排序
files = os.listdir(IMAGES_PATH)
files.sort(key=lambda x: int(x.split('.')[0]))

拼接函数

# 定义图像拼接函数
def image_compose():
    to_image = Image.new('RGB', (IMAGE_COLUMN * IMAGE_SIZE, IMAGE_ROW * IMAGE_SIZE))  # 创建一个新图
    # 循环遍历，把每张图片按顺序粘贴到对应位置上
    for y in range(1, IMAGE_ROW + 1):
        for x in range(1, IMAGE_COLUMN + 1):
            from_image = Image.open(IMAGES_PATH + image_names[IMAGE_COLUMN * (y - 1) + x - 1]).resize(
                (IMAGE_SIZE, IMAGE_SIZE), Image.ANTIALIAS)
            to_image.paste(from_image, ((x - 1) * IMAGE_SIZE, (y - 1) * IMAGE_SIZE))
    return to_image.save(IMAGE_SAVE_PATH)  # 保存新图

完整函数

#将影像进行镶嵌
import PIL.Image as Image
import os

IMAGES_PATH = r'小切片的路径'  # 图片集地址
# IMAGES_FORMAT = ['.jpg', '.JPG']  # 图片格式
IMAGES_FORMAT = ['.png']  # 图片格式
IMAGE_SIZE = 256  # 每张小图片的大小
IMAGE_ROW = 7  # 图片间隔，也就是合并成一张图后，一共有几行
IMAGE_COLUMN = 6  # 图片间隔，也就是合并成一张图后，一共有几列
IMAGE_SAVE_PATH = 'predict.jpg'  # 图片转换后的地址

#按数字大小进行排序
files = os.listdir(IMAGES_PATH)
files.sort(key=lambda x: int(x.split('.')[0]))

# 获取图片集地址下的所有图片名称
image_names = [name for name in files for item in IMAGES_FORMAT if
               os.path.splitext(name)[1] == item]


# 简单的对于参数的设定和实际图片集的大小进行数量判断
if len(image_names) != IMAGE_ROW * IMAGE_COLUMN:
    raise ValueError("合成图片的参数和要求的数量不能匹配！")
print(image_names)

# 定义图像拼接函数
def image_compose():
    to_image = Image.new('RGB', (IMAGE_COLUMN * IMAGE_SIZE, IMAGE_ROW * IMAGE_SIZE))  # 创建一个新图
    # 循环遍历，把每张图片按顺序粘贴到对应位置上
    for y in range(1, IMAGE_ROW + 1):
        for x in range(1, IMAGE_COLUMN + 1):
            from_image = Image.open(IMAGES_PATH + image_names[IMAGE_COLUMN * (y - 1) + x - 1]).resize(
                (IMAGE_SIZE, IMAGE_SIZE), Image.ANTIALIAS)
            to_image.paste(from_image, ((x - 1) * IMAGE_SIZE, (y - 1) * IMAGE_SIZE))
    return to_image.save(IMAGE_SAVE_PATH)  # 保存新图

image_compose()  # 调用函数

后处理

依据已经裁剪前的遥感影像，对镶嵌好的预测结果进行地理配准。