Python 从坐标参考系中的多边形边界获取光栅中的像素坐标

我有一些相对较大（10980 x 10980像素）的GeoTiff文件，它们都对应于相同的地理区域（并且具有相同的坐标参考系），我有大量对应于地块的多边形（100000+），我想从每个图像文件中提取对应于每个多边形的像素。目前，我这样做的方式是使用shapely多边形和rasterio.mask.mask函数，如下所示：

图像文件中文件名的

：
以rasterio.open（文件名）作为src:
对于形状中的形状：
数据，\=rasterio.mask.mask（src，[shape]，crop=True）

---

这在经验上相当缓慢。如果我预先计算了遮罩索引，那么我只需要读取每个图像的整个数据一次，然后使用预先计算的索引来提取每个多边形的相关像素（我不需要它们处于正确的二维配置中，我只需要值），这非常快。但我不知道是否有一种快速的方法来获取这些像素索引。我知道我可以使用rasterio的函数来获得整个图像大小的遮罩，然后使用numpy来获得多边形内部元素的索引，但是这样就不需要为每个多边形构造一个10980 x 10980数组来制作遮罩，这非常慢。

我最后做的是，当我打开第一个图像时，然后对于每个多边形

• 使用图像变换将多边形转换为像素坐标，并在整数像素坐标中查找包含多边形的矩形边界框
• 若要确定边界框中的哪些像素实际位于多边形中，请为每个像素构造形状良好的多边形，并使用

  .intersects（）

  方法（如果只希望包含完全位于多边形内部的像素，可以使用

  .contains（）

  ）。（我不确定这是否会很慢，但事实证明并非如此。）
• 保存每个多边形中所有像素的坐标对列表

然后，对于您打开的每个新图像，您只需读取整个图像数据并为每个多边形的部分建立索引，因为您已经有了像素索引

代码大致如下所示：

导入数学
进口numpy
进口pyproj
导入光栅掩码
从shapely.geometry导入多边形
形状\像素=无
对于图像文件中的文件名：
以rasterio.open（文件名）作为src:
如果shape_像素为无：
投影仪=pyproj.Proj（src.crs）
像素坐标形状=[
多边形（zip（*~src.transform*numpy.array（projector（*zip（*shape.boundary.coords）（）））））
形状中的形状
]
每个形状的像素数=[]
对于形状中的形状：
xmin=max（0，数学层（shape.bounds[0]））
ymin=max（0，数学层（shape.bounds[1]））
xmax=math.ceil（shape.bounds[2]）
ymax=math.ceil（shape.bounds[3]）
像素_平方={}
对于范围内的j（xmin，xmax+1）：
对于范围内的i（ymin，ymax+1）：
像素_正方形[（i，j）]=多边形。从_边界（j，i，j+1，i+1）
每个形状的像素数。追加([
像素方格中（坐标，像素）的坐标。items（）
如果形状相交（像素）
])
整段数据=src.read（）
对于每个形状的像素数：
ivals，jvals=zip（*像素）
形状数据=整体数据[0，IVAL，JVAL]
...