格網插值就是使用離散的數據點創建一個柵格圖像的過程。通常情況下,有一系列研究區域的離散點,如果我們想將這些點轉換為規則的網格數據來進行進一步的處理,或者和其他網格數據進行合並 等處理,就需要使用格網插值算法。
我們的應用是在海洋數據的處理的處理上,像海洋溫度數據,在海洋與陸地的接觸部分,數據會有缺失 ,對這些數據缺失的點就需要進行數據的插值處理,才能進行接下來其他的處理,所以插值處理尤為重要。
在gdal庫中有對應各個插值算法的算法參數結構體,我一直用的是反距離權重插值算法(GDALGridInverseDistanceToAPowerOptions),這個根據你應用的數據可以使用不同的算法,gdal中插值的算伐有四種。下面是數據插值處理的代碼。
#include <QCoreApplication>
#include <gdal_priv.h>
#include <iostream>
#include <fstream>
#include <string>
#include <vector>
#include <gdalgrid.h>
#include <QDebug>
using namespace std;
using std::string; //使用string對象
using std::vector; //使用vector
//自己定義的split函數,作用相當於boost庫的split函數
void Split(const std::string& src, const std::string& separator, std::vector<std::string>& dest) //字符串分割到數組
{
//參數1:要分割的字符串;參數2:作為分隔符的字符;參數3:存放分割后的字符串的vector向量
string str = src;
string substring;
string::size_type start = 0, index;
dest.clear();
index = str.find_first_of(separator,start);
do
{
if (index != string::npos)
{
substring = str.substr(start,index-start );
dest.push_back(substring);
start =index+separator.size();
index = str.find(separator,start);
if (start == string::npos) break;
}
}while(index != string::npos);
//the last part
substring = str.substr(start);
dest.push_back(substring);
}
void DpdInterpolation(const char*pszPoints,const char*pszDst)
{
//const char*pszPoints = "";//目標文件
//const char*pszDst = "E:\\odp_workplace\\odp_data\\testdata\\interpolation\\Dpdinterpolation_test.grd";//生成的結果文件
//設置輸出圖像的分辨率為0.5
double pixResoultion = 0.5;
//計算離散點XY坐標的最大最小值,用於確定輸出圖像的大小
double dfXMin;
double dfXMax;
double dfYMin;
double dfYMax;
double dfZMin;
double dfZMax;
double tmpX;
double tmpY;
double tmpZ;
int i = 0;
int nPoints = 125;//設置離散點的個數
double * padfX = new double[nPoints];
double * padfY = new double[nPoints];
double * padfZ = new double[nPoints];
//將文本文件讀入數組
ifstream ifile(pszPoints,ios::in);
string strBuf;
while(getline(ifile,strBuf))
{
vector<string> vstr;
Split(strBuf,",",vstr);
tmpX = atof(vstr[0].c_str());
tmpY = atof(vstr[1].c_str());
tmpZ = atof(vstr[2].c_str());
qDebug()<<tmpX<<tmpY<<tmpZ<<endl;
padfX[i] = tmpX;
padfY[i] = tmpY;
padfZ[i] = tmpZ;
if(i==0)
{
dfXMin = tmpX;
dfXMax = tmpX;
dfYMin = tmpY;
dfYMax = tmpY;
dfZMin = tmpZ;
dfZMax = tmpZ;
}
dfXMin = (tmpX<dfXMin) ? tmpX : dfXMin;
dfXMax = (tmpX>dfXMax) ? tmpX : dfXMax;
dfYMin = (tmpY<dfYMin) ? tmpY : dfYMin;
dfYMax = (tmpY>dfYMax) ? tmpY : dfYMax;
dfZMin = (tmpZ<dfZMin) ? tmpZ : dfZMin;
dfZMax = (tmpZ>dfZMax) ? tmpZ : dfZMax;
i++;
}
ifile.close();
//計算圖像大小
int nXSize = (dfXMax-dfXMin)/pixResoultion;
int nYSize = (dfYMax-dfYMin)/pixResoultion;
//構造插值算法參數並設置參數值
GDALGridInverseDistanceToAPowerOptions *poOptions = new GDALGridInverseDistanceToAPowerOptions();
poOptions->dfPower = 2;//設置權重指數p
poOptions->dfRadius1 = 20;//設置搜索橢圓第一半徑
poOptions->dfRadius2 = 15;//設置搜索橢圓第二半徑
char *pData = new char[nXSize*nYSize];
GDALGridCreate(GGA_InverseDistanceToAPower,poOptions,nPoints,padfX,padfY,padfZ,dfXMin,dfXMax,dfYMin,dfYMax,nXSize,nYSize,GDT_Float32,pData,NULL,NULL);
delete poOptions;
//創建新的數據集
GDALDriver *pDriver = GetGDALDriverManager()->GetDriverByName("GS7BG");//GSAG GSBG GS7BG
GDALDataset *poDataset = pDriver->Create(pszDst,nXSize,nYSize,1,GDT_Float32,NULL);
double adfGeoTransform[6] = {dfXMin,pixResoultion,0,dfYMax,0,-pixResoultion};
poDataset->SetGeoTransform(adfGeoTransform);
//寫入數據
poDataset->RasterIO(GF_Write,0,0,nXSize,nYSize,pData,nXSize,nYSize,GDT_Float32,1,0,0,0,0);
delete []pData;
GDALClose(poDataset);
}
要使用這段代碼就得配置好環境,我的編譯環境為qt5.11.2+vs2017+gdal