使用CoordinateTransformation函数转化不同的坐标系统

Gdal读取遥感图片

在使用GDAL库读取GeoTiff格式的遥感数据中，需要涉及到操作经纬度参数来提取图片中具体一块区域的图片。
读取到的一个dataset（对应GDALDataset类）是一个光栅数据以及和它有关系的信息的集合。特别地dataset包含了光栅数据的大小（像素、线等）。dataset同时也为对应的光栅数据指定了坐标系统。dataset本身还可以包含元数据，它们以一种键/值对 的方式来组织。GDAL的数据集是基于OpenGIS Grid Coverages的格式定义的。
dataset包含的地理空间坐标系统是不同的，有的是平面空间坐标，有的是大地空间坐标（如：经纬度），所以在不同的坐标空间之间转化在有的时候是非常必要的。

Python 把图片转化为blob格式存储到sqlite3数据库中并读取

应用场景：

SQLite是一个开源的嵌入式关系数据库，它在2000年由D. Richard Hipp发布，它的减少应用程序管理数据的开销，SQLite可移植性好，很容易使用，很小，高效而且可靠。
SQLite嵌入到使用它的应用程序中，它们共用相同的进程空间，而不是单独的一个进程。从外部看，它并不像一个RDBMS，但在进程内部，它却是完整的，自包含的数据库引擎。

Python 操作numpy 矩阵代替for循环

具体问题：

上一篇文章中，使用kmeans聚类后，我得到了一个存放4个中心点颜色值的4乘3矩阵。为了得到这个矩阵中，颜色残差最大的那个分类的索引，我必须使第三列减去（第一+第二列）的均值。最后找出色差最大的值，并返回索引。
4乘3矩阵中，使用for循环好像没什么问题，但是如果这个矩阵是1000乘以1000呢？那么循环次数达到了惊人的10^6次。

Python 使用kmeans聚类分割目标

关于背景

• 在复杂变化的背景中，识别运动目标并跟踪是一件很困难的事情。简单使用灰度阈值或HSV颜色空间阈值分割在特定环境下效果不错，但是在现实环境下（水草、淤泥变化）导致阈值的选择会非常不容易。
• 当对象受到光影变化或者背景颜色从黑转化到白等，都会导致目标残缺。
• 最重要的问题在于，由于使用阈值分割，不但需要手动设定阈值，不同的背景阈值差别很大，效率非常低。
• 生成的轮廓数量会大于目标轮廓数量，需要条件检索目标轮廓，在特定情况下时，会导致目标丢失。
• 不像汽车、人脸等跟踪，因为鱼没有特定的特征，又需要精确获取目标轮廓来计算速度、尾频等参数，目前大部分办法都是使用离线的模式：即录像、分析、分割目标、计算参数。