terraref/ext-stereorgb-bin2tif

Bin2Tif Extractor

立体RGB图像Bin转GeoTIFF转换器。

作者

• Zongyang Li，唐纳德·丹福思植物科学中心（圣路易斯，密苏里州）
• Maxwell Burnette，国家超级计算应用中心（厄巴纳，伊利诺伊州）
• Robert Pless，乔治华盛顿大学（华盛顿特区）

概述

该提取器利用元数据处理二进制立体图像，输出JPG和TIFF图像。当所需输入文件添加到数据集时，触发提取器执行。

输入

需包含以下数据：

• _left.bin图像
• _right.bin图像
• 左右捕获数据集的元数据（可作为Clowder元数据附加或包含在metadata.json文件中）

输出

• 包含左右二进制图像的数据集将获得左右JPG和geoTIFF图像。
• 包含地理空间信息的元数据将添加到geoTIFF文件及geostreams数据库中。

核心功能

1. 二进制图像转彩色图像：基于Bayer马赛克模式的去马赛克处理，通过双线性插值生成三通道彩色图像。
2. 地理参考绑定框计算：结合元数据中的相机位置、高度等信息，推导图像的地理空间边界框，并生成geoTIFF文件。

使用场景

适用于TERRA-REF项目中立体RGB图像的地理空间化处理，帮助科研人员将原始二进制图像转换为带地理信息的标准格式，便于后续分析和应用。

配置说明

算法细节

颜色图像转换

立体RGB相机使用单CCD传感器，像素前有Bayer马赛克模式的滤色阵列（GBRG顺序）。通过双线性插值进行去马赛克，独立插值三个颜色平面。

地理参考绑定框计算步骤

a. 从元数据获取图像形状； b. 从元数据获取相机中心位置； c. 计算图像视场（FOV）： i. JSON数据报告2米处视场为0.749m×1.015m； ii. 预测每个图像的FOV：fix_fov = fov_in_2_meter*(camera_height/2)； iii. 使用实验推导的魔法数：HEIGHT_MAGIC_NUMBER=1.64，PREDICT_MAGIC_SLOPE=0.574； iv. 计算修正后的相机高度和FOV： predict_plant_height = PREDICT_MAGIC_SLOPE * camHeight
camH_fix = camHeight + HEIGHT_MAGIC_NUMBER - predict_plant_height
fix_fov_x = fov_x*(camH_fix/2)
fix_fov_y = fov_y*(camH_fix/2)； d. 计算地理参考绑定框： i. 使用公式将Scanalyzer坐标转换为MAC坐标； ii. 使用utm工具将MAC坐标转换为经纬度； e. 利用osgeo.gdal将图像与地理空间绑定框关联，创建geoTIFF。

Docker部署示例

构建镜像

sh
docker build -f Dockerfile -t terra-ext-bin2tif .

本地运行

sh
docker run \
  -p 5672 -p 9000 --add-host="localhost:{LOCAL_IP}" \
  -e RABBITMQ_URI=amqp://{RMQ_USER}:{RMQ_PASSWORD}@localhost:5672/%2f \
  -e RABBITMQ_EXCHANGE=clowder \
  -e REGISTRATION_ENDPOINTS=http://localhost:9000/clowder/api/extractors?key={SECRET_KEY} \
  terra-ext-bin2tif

注意：默认RabbitMQ不允许非本地地址使用"guest:guest"访问，需创建额外本地用户用于测试。

远程运行

sh
docker run \
  -e RABBITMQ_URI=amqp://{RMQ_USER}:{RMQ_PASSWORD}@rabbitmq.ncsa.illinois.edu/clowder \
  -e RABBITMQ_EXCHANGE=terra \
  -e REGISTRATION_ENDPOINTS=http://terraref.ncsa.illinois.edu/clowder/api/extractors?key={SECRET_KEY} \
  terra-ext-bin2tif

依赖

• Python版本需≥2.7；
• 依赖第三方库：PIL、scipy、numpy、osgeo。