小编点评

本文介绍了基于R语言的raster包，用于遍历文件夹、读取大量栅格遥感影像，并将它们逐个拼接和融合成一个完整的图像。文章首先概述了需求，然后详细说明了实现方法，包括代码解析和参数设置。最后，通过运行代码得到了拼接或融合的结果。 1. **需求概述**：本文旨在将一个文件夹内的多幅栅格遥感影像拼接成一幅，这些影像具有相同的成像时间和不同的空间范围。 - 遍历文件夹，获取所有符合条件的栅格影像文件 - 将每个影像转换为栅格对象 - 对多个影像进行拼接或融合 2. **代码解析**： - 导入raster包 - 使用list.files()函数获取所有.tif格式的遥感影像文件 - 循环读取每个文件，并将其转换为栅格对象 - 使用mosaic()函数进行拼接，通过do.call()函数实现多个影像的拼接 - 使用merge()函数进行融合，默认情况下选择顶层影像 - 将结果保存为新的栅格文件 3. **参数设置**：在代码中，作者设置了mosaic()函数的fun参数为max，表示以最大值像元为准进行拼接；na.rm参数设为TRUE，表示在计算重叠区域像元值时不考虑NoData值的影响。 - fun参数：设置拼接时重叠区域的像元值的计算方法 - na.rm参数：设置是否考虑NoData值的影响 4. **结果展示**：通过运行代码，得到了拼接和融合后的结果图像。 - 拼接后的图像作为输出 - 融合后的图像作为输出 总的来说，本文展示了如何使用R语言的raster包高效地处理大量栅格遥感影像，实现了影像的自动拼接和融合。

正文

  本文介绍基于R语言中的raster包，遍历文件夹，读取文件夹下的大量栅格遥感影像，并逐一对每一景栅格图像加以拼接、融合，使得全部栅格遥感影像拼接为完整的一景图像的方法。

  其中，本文是用R语言来进行操作的；如果希望基于Python语言实现类似的批量拼接、镶嵌操作，大家可以参考Python arcpy创建栅格、批量拼接栅格与Python ArcPy批量拼接长时间序列栅格图像这两篇文章。

  首先，来看一下本文所需实现的需求。如下图所示，现有一个文件夹，其中含有大量栅格遥感影像；这些遥感影像均为同一成像时间、不同空间范围的遥感影像。我们希望做到的，就是对这些遥感影像加以拼接，最终的结果图像就是一景将这里各个图像拼接后的大图像。

  明确了需求，我们即可开始代码的撰写。本文所用到的代码如下所示。

library(raster)
tif_file_name <- list.files(path = r"(E:\02_Project\01_Chlorophyll\Select\Result)", pattern = ".tif$", full.names = TRUE, ignore.case = TRUE)
tif_file_list <- list()
for (i in 1:length(tif_file_name)){
  tif_file_list[i] <- raster(tif_file_name[i])
}

tif_file_list$fun <- max
tif_file_list$na.rm <- TRUE
tif_mosaic <- do.call(mosaic, tif_file_list)
plot(tif_mosaic)

# tif_merge <- do.call(merge, tif_file_list)

rf <- writeRaster(tif_mosaic, filename = r"(E:\02_Project\01_Chlorophyll\Select\NewClip\LCC_SC_3.tif)", overwrite = TRUE)

  首先，需要通过library(raster)代码，导入本文所需的R语言raster包；关于这一包的配置，大家可以参考基于R语言的raster包读取遥感影像。接下来，我们通过list.files()函数，遍历指定文件夹，从而获取当前文件夹下所包含的全部.tif格式的遥感影像，也就是全部待拼接的遥感影像。

  接下来，我们需要为栅格遥感影像的拼接做准备——也就是for循环内部的内容。此时，tif_file_name变量中存放的是指定文件夹下的全部栅格遥感影像的文件名称，而不是遥感影像文件自身；而接下来我们进行拼接、融合的函数，都需要保证函数参数中的遥感影像是一个栅格对象（Raster* object）类型的变量。因此，我们需要在这个for循环中，通过raster()函数，将每一个遥感影像的文件名（字符串类型）转为栅格对象类型。至于什么是栅格对象类型的变量，我们可以参考下图：其中Formal class RasterLayer即表示这一变量为栅格对象类型的。

  接下来，代码分为2个部分。其中，for循环后的4行代码是第一部分，为栅格拼接的代码；同时为了对比栅格拼接与栅格融合的操作，这里还将栅格融合的代码也一并列出了，也就是注释掉的那一行代码。

  我们首先来看第一部分代码，这里通过mosaic()函数来实现栅格遥感影像的拼接。这一函数原本的参数中，只有2个栅格对象（Raster* object）类型的参数，换句话说就是原本这个函数只能同时拼接2个栅格遥感影像；如果我们有更多的遥感影像，就需要每一次拼接2个栅格图像，不断重复这一操作，直到全部的栅格遥感影像拼接完毕。这样操作无疑是比较麻烦的，因此我们需要借助do.call()函数来实现2个以上栅格的拼接工作——这个do.call()函数可以接受可变数量的参数，例如本文中我们需要对大量栅格遥感影像加以逐一拼接，具体有多少景遥感影像我们自己也不一定确定，且也不关心；因此就结合这一函数，将刚刚已经转为栅格对象（Raster* object）类型的图像所组成的列表tif_file_list作为参数，用do.call()函数来调用mosaic()函数，直到将tif_file_list列表中全部的栅格对象（Raster* object）类型的元素都带入到mosaic()函数运行后，do.call()函数就结束了。

  此外，由于mosaic()函数在运行时，除了两个栅格对象（Raster* object）类型的参数，还有其他的一些辅助参数，比如拼接时重叠区域该如何处理、处理时是否考虑NoData值的影响等；由于我们时通过do.call()函数来调用mosaic()函数，因此这些参数就不太好直接指定了。因此，我们可以通过$运算符，将mosaic()函数所需要的其他参数一并放入tif_file_list中，在后期do.call()函数调用mosaic()函数时，将同时读取这些参数，起到将参数传递到mosaic()函数中的功能。其中，在本文中我们需要指定mosaic()函数的fun参数与na.rm参数，二者分别是指拼接时重叠区域像元值的计算方法，以及计算重叠区域像元值时，是否考虑NoData值的影响；我们将这2个参数分别设定为max与TRUE，二者分别是指重叠区域的像元以2景遥感影像中的最大值像元为准，以及在计算时不考虑NoData值的影响。

  接下来，就是第二部分，即栅格融合的代码；在这里，我们通过merge()函数来实现遥感影像的融合。其实，这里的merge()函数与前述的mosaic()函数功能大致一样，但merge()函数在处理重叠区域时，默认选择位于顶层的遥感影像的像元数值，就没有mosaic()函数中的这么多计算方法选择了。

  最后，这里末尾的一句代码，就是将结果图像通过writeRaster()函数加以保存；这句代码的解释大家同样参考R语言求取大量遥感影像的平均值、标准差：raster库这篇文章即可。

  随后，运行上述代码，我们就可以获得将指定文件夹内全部栅格遥感影像加以拼接（执行代码中的第一部分）或者融合（执行代码中的第二部分）的结果了。

  至此，大功告成。