Python 大卫星图像处理

我试图在双时态RapidEye多光谱图像上运行Mort Canty的Python iMAD实现。这基本上是计算两幅图像的典型相关，然后减去它们。我的问题是 图像为5000 x 5000 x 5（波段）像素。如果我试着在上面运行这个 整个图像我得到一个记忆错误

使用pyTables之类的工具能帮我解决这个问题吗

Mort Canty的代码试图做的是使用gdal加载图像，然后存储它们 在10 x 25000000阵列中

    # initial weights
    wt = ones(cols*rows)      
    # data array (transposed so observations are columns)
    dm = zeros((2*bands,cols*rows))
    k = 0
    for b in pos:
    band1 = inDataset1.GetRasterBand(b+1)
    band1 = band1.ReadAsArray(x0,y0,cols,rows).astype(float)
    dm[k,:] = ravel(band1)
    band2 = inDataset2.GetRasterBand(b+1)
    band2 = band2.ReadAsArray(x0,y0,cols,rows).astype(float)        
    dm[bands+k,:] = ravel(band2)
    k += 1

即使只是创建一个10 x 25000000 numpy的浮点数组也会抛出一个内存错误。有人知道如何避开这个问题吗？这是我的第一篇帖子，所以任何关于如何发帖的建议都是欢迎的

---

问候语

numpy

在默认情况下使用

float64

，因此您的

dm

-数组占用2GB内存（8*10*25000000），其他数组可能每个大约200MB（~8*5000*5000）

astype（float）

返回一个新数组，因此也需要内存，甚至可能不需要内存，因为将数据复制到结果数组时会隐式转换类型

for循环中使用的内存何时释放取决于垃圾回收。这并没有考虑<代码> GeTraceBeope<代码>的内存开销，<代码> Read Stase

---

您确定您的输入数据使用64位浮点吗？如果它使用32位浮点，通过在数组中指定

dtype='f'

，可以轻松地将内存使用量减半。

如果我将dtype指定为'f'：回溯（最近一次调用）：文件“C:\pythonxy\iMad.py”，第172行，在main（）文件“C:\pythonxy\iMad.py”中，第79行，在main dm=0中(（2*bands，cols*rows），dtype='f'）MemoryError顺便问一下，我有8 GB的ram。有没有简单的方法，例如，用pytables将这些大数组写入hdf5文件，并像通常的numpy数组一样对它们进行操作？