Question

我试图在双时态RapidEye多光谱图像上运行Mort Canty的http://mcanty.homepage.t-online.de/ Python iMAD实现。这基本上计算了两个图像的规范相关性，然后将它们减去。我遇到的问题是图像是5000 x 5000 x 5（波段）像素。如果我尝试运行它整个图像我得到了一个内存错误。

使用像pyTables之类的东西会帮助我解决这个问题吗？

Mort Canty的代码尝试做的是它使用gdal加载图像然后存储它们在10 x 25,000,000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

即使只创建一个10 x 25,000,000 numpy浮点数组也会引发内存错误。任何人都知道怎么解决这个问题？这是我的第一篇文章，所以任何有关如何发布的建议也会受到欢迎。

问候

Answer 1

numpy默认使用float64，因此您的dm - 阵列占用2GB内存（8 * 10 * 25000000），其他阵列可能大约200MB（~8 * 5000） * 5000）每个。

astype(float)返回一个新数组，所以你也需要内存 - 甚至可能不需要，因为在将数据复制到结果数组时会隐式转换类型。

当释放for循环中使用的内存取决于垃圾回收。这不考虑GetRasterBand，ReadAsArray的内存开销。

您确定您的输入数据使用64位浮点数吗？如果它使用32位浮点数，则可以通过在数组上指定dtype='f'来节省一半的内存使用量。

大卫星图像处理

1 个答案: