当前位置：首页 > news >正文

自己写的库：rstiff：高精度、类型保留的 Rust GeoTiff 处理库

news 2026/6/15 15:13:18

rstiff：高精度、类型保留的 Rust GeoTiff 处理库

引言

在地理空间数据处理领域，GeoTiff 是最常用的栅格数据格式之一。无论是遥感影像、数字高程模型（DEM），还是各类地理栅格数据，GeoTiff 都扮演着重要角色。然而，在使用 Rust 进行 GeoTiff 处理时，开发者往往面临着一些挑战：

数据类型转换问题：读取和写入时容易丢失原始数据类型
NoData 值处理复杂：不同数据类型的 NoData 值处理不一致
坐标转换繁琐：投影转换需要手动计算新的边界和分辨率
矢量裁剪困难：使用矢量文件裁剪栅格数据缺乏便捷工具

为了解决这些问题，我开发了 rstiff —— 一个基于 GDAL 的高精度、类型保留的 Rust GeoTiff 处理库。

核心特性

1. 高精度计算

rstiff 将所有数据加载为 ndarray::Array3<f64>，确保在科学计算中保持最高精度。无论原始数据是 8 位整型还是 16 位无符号整型，在内存中都以双精度浮点数处理，避免了精度损失。

use rstiff::GeoTiff;// 读取任意类型的 GeoTiff，内部统一为 f64
let tif = GeoTiff::read("satellite_image.tif")?;// 在 f64 精度下进行科学计算
let mean = tif.data.mean().unwrap();
let std = tif.data.std(0.0);

2. 类型保留的 I/O

读取时自动识别原始数据类型，写入时自动恢复。这意味着：

输入是 Byte (u8)，输出也是 Byte
输入是 UInt16，输出也是 UInt16
输入是 Float32，输出也是 Float32

无需手动指定数据类型，库会自动处理一切：

// 读取 UInt16 类型的 GeoTiff
let tif = GeoTiff::read("dem_uint16.tif")?;// 进行一些处理...
let processed = tif.data.mapv(|x| x * 1.5);// 写回时自动保持 UInt16 类型
let mut result = tif;
result.data = processed;
result.write("output.tif")?;  // 输出仍为 UInt16

3. 智能 NoData 处理

rstiff 能够正确识别和处理各种 NoData 值：

自动读取 GeoTiff 中定义的 NoData 值
对于浮点型数据，支持 NaN 作为 NoData
写入时保持 NoData 值的透明度
如果原始文件没有 NoData，输出也不会添加

let tif = GeoTiff::read("optical_image.tif")?;// NoData 值已自动识别
if let Some(nodata) = tif.nodata_value {println!("NoData value: {}", nodata);
}// 写入时会保持 NoData 的透明度和元数据
tif.write("output.tif")?;

4. 便捷的坐标转换

使用 rstiff，投影转换变得异常简单。库会自动计算新的边界和像素分辨率：

// 将 WGS84 投影转换为 UTM
let tif = GeoTiff::read("wgs84_data.tif")?;// 一行代码完成投影转换（EPSG:32650 是 UTM Zone 50N）
let utm_tif = tif.reproject(32650)?;utm_tif.write("utm_data.tif")?;

无需手动计算：

✅ 新的地理边界
✅ 新的像素分辨率
✅ 重采样方法
✅ 输出尺寸

一切都由 GDAL 和 rstiff 自动处理！

5. ✂️ 矢量裁剪与掩膜

支持使用多种矢量格式（Shapefile、KML、GeoJSON 等）对栅格进行裁剪：

let tif = GeoTiff::read("large_scene.tif")?;// 使用 KML 文件裁剪，并应用掩膜
// mask=true 表示将多边形外的像素设为 NoData
let cropped = tif.crop_by_vector("region_of_interest.kml", true)?;cropped.write("clipped_result.tif")?;

6. ⚡ 高效压缩

输出文件自动使用 LZW 压缩和预测器，在保证质量的同时大幅减小文件体积：

// 写入时自动应用 LZW 压缩
tif.write("compressed_output.tif")?;
// 输出文件通常比未压缩版本小 50-70%

技术架构

依赖项

rstiff 构建在几个优秀的 Rust 生态项目之上：

GDAL (v0.18.0)：提供强大的地理空间数据 I/O 能力
ndarray (v0.17.1)：N 维数组，Rust 科学计算的基石
thiserror (v2.0.17)：优雅的错误处理

核心数据结构

pub struct GeoTiff {pub data: Array3<f64>,           // 三维数组 [bands, height, width]pub transform: GeoTransform,      // 地理变换参数pub projection: String,           // 投影信息（WKT 格式）pub nodata_value: Option<f64>,    // NoData 值data_type: GdalDataType,          // 原始数据类型（用于写回）
}

使用场景

场景 1：遥感影像批处理

处理多景遥感影像，统一投影并裁剪到研究区：

use rstiff::GeoTiff;
use std::path::Path;fn process_satellite_images() -> Result<(), Box<dyn std::error::Error>> {let images = vec!["scene1.tif", "scene2.tif", "scene3.tif"];let roi = "study_area.geojson";let target_epsg = 32650;  // UTM Zone 50Nfor img in images {let tif = GeoTiff::read(img)?;// 投影转换let reprojected = tif.reproject(target_epsg)?;// 裁剪到研究区let cropped = reprojected.crop_by_vector(roi, true)?;// 保存结果let output = format!("processed_{}", img);cropped.write(&output)?;println!("✓ Processed {}", img);}Ok(())
}

场景 2：DEM 数据处理

读取 DEM，计算坡度，保持原始精度：

fn calculate_slope(dem_path: &str) -> Result<(), Box<dyn std::error::Error>> {let dem = GeoTiff::read(dem_path)?;// 获取像素分辨率let res_x = dem.transform[1];let res_y = dem.transform[5].abs();// 计算坡度（简化示例）let slope = calculate_slope_from_dem(&dem.data, res_x, res_y);// 创建新的 GeoTifflet mut slope_tif = dem;slope_tif.data = slope;slope_tif.write("slope.tif")?;Ok(())
}

场景 3：多光谱影像处理

处理多波段卫星影像，计算植被指数：

fn calculate_ndvi(image_path: &str) -> Result<(), Box<dyn std::error::Error>> {let img = GeoTiff::read(image_path)?;// 假设波段 4 是 NIR，波段 3 是 Redlet nir = img.data.slice(s![3, .., ..]);let red = img.data.slice(s![2, .., ..]);// 计算 NDVI = (NIR - Red) / (NIR + Red)let ndvi = (&nir - &red) / (&nir + &red);// 创建单波段 NDVI 影像let mut ndvi_tif = img;ndvi_tif.data = ndvi.insert_axis(Axis(0)).to_owned();ndvi_tif.write("ndvi.tif")?;Ok(())
}

安装与使用

前置要求

首先安装 GDAL：

macOS (Homebrew):

brew install gdal

Ubuntu/Debian:

sudo apt-get install libgdal-dev

添加到项目

在 Cargo.toml 中添加：

[dependencies]
rstiff = "0.1.0"

或使用 cargo：

cargo add rstiff

快速开始

use rstiff::GeoTiff;fn main() -> Result<(), Box<dyn std::error::Error>> {// 读取 GeoTifflet tif = GeoTiff::read("input.tif")?;// 查看信息println!("尺寸: {:?}", tif.data.dim());println!("投影: {}", tif.projection);// 处理数据let processed = tif.data.mapv(|x| x * 2.0);// 写回let mut result = tif;result.data = processed;result.write("output.tif")?;Ok(())
}