4.4. Escrita em arquivos de Imagens
+Uma forma de escrever em arquivos de imagens é por meio da abertura de um arquivo de referência, geração de matrizes das bandas com alterações nos dados originais, e salvamento em um novo arquivo. Veja a sequência de passos: +- abrir dataset +- obter bandas individuais +- acessar array de pixels (formato NumPy) +- alterar os array de pixels +- enviar para os objetos GDAL +- atualizar metadados das imagens +- salvar as alterações no arquivo
+O exemplo a seguir abre a imagem de referência (com 5 bandas), aplica o contraste nas 3 bandas visíveis, e salva um novo arquivo contendo somente 3 bandas, em ordem diferente (RGB).
+# importar a biblioteca gdal e a matplotlib
+from osgeo import gdal
+import matplotlib.pyplot as plt
+
+# informar o uso de exceções
+gdal.UseExceptions()
+
+ # abrir o dataset da imagem RapidEye, com 5 bandas
+ # (ao usar o colab, lembre-se de fazer o upload na aba de arquivos)
+ dataset = gdal.Open("crop_rapideye.tif", gdal.GA_ReadOnly)
+
+ # obter os objetos com as informações das bandas
+ band_blue = dataset.GetRasterBand(1)
+ band_green = dataset.GetRasterBand(2)
+ band_red = dataset.GetRasterBand(3)
+ band_rededge = dataset.GetRasterBand(4)
+ band_nir = dataset.GetRasterBand(5)
+
+ # obter as matrizes de pixels de cada banda
+ array_blue = band_blue.ReadAsArray()
+ array_green = band_green.ReadAsArray()
+ array_red = band_red.ReadAsArray()
+ array_rededge = band_rededge.ReadAsArray()
+ array_nir = band_nir.ReadAsArray()
+
+# aqui já se pode fechar a imagem original
+dataset = None
+
+# realizar alterações nas matrizes, lembrando de observar o
+# tipo de dados original, de modo a manter os dados nos limites adequados
+# definir um valor de ganho e aplicar nas bandas do visível
+gain = 2.5
+array_blue_gain = array_blue.copy() * gain
+array_green_gain = array_green.copy() * gain
+array_red_gain = array_red.copy() * gain
+
+# verificar valores fora do limite
+limit = 255
+array_blue_gain[array_blue_gain > limit] = limit
+array_green_gain[array_green_gain > limit] = limit
+array_red_gain[array_red_gain > limit] = limit
+
+# definir driver, neste caso GeoTIFF
+driver = gdal.GetDriverByName('GTiff')
+
+# obter metadados da imagem original, e alterar o número de bandas
+number_of_lines = dataset.RasterYSize
+number_of_columns = dataset.RasterXSize
+number_of_bands = 3 # dataset.RasterCount
+data_type = dataset.GetRasterBand(1).DataType
+
+# criar novo dataset
+dataset_new = driver.Create("crop_rapideye_contrastRGB.tif",
+ number_of_columns,
+ number_of_lines,
+ number_of_bands,
+ data_type)
+
+# copiar informações espaciais da banda já existente
+dataset_new.SetGeoTransform(dataset.GetGeoTransform())
+# copiar informações de projeção
+dataset_new.SetProjection(dataset.GetProjectionRef())
+# escrever dados da matriz_contraste na banda
+dataset_new.GetRasterBand(1).WriteArray(array_red_gain)
+dataset_new.GetRasterBand(2).WriteArray(array_green_gain)
+dataset_new.GetRasterBand(3).WriteArray(array_blue_gain)
+# salvar valores
+dataset_new.FlushCache()
+# fechar o novo dataset
+dataset_new = None
+4.4.1. Visualização do resultado
+Para visualizar a composição colorida, podemos reabrir o arquivo (nesse caso já organizado em RGB nas bandas 1, 2 e 3).
+dataset = gdal.Open("crop_rapideye_contrastRGB.tif", gdal.GA_ReadOnly)
+
+ # obter os objetos com as informações das bandas
+ band_red = dataset.GetRasterBand(1)
+ band_green = dataset.GetRasterBand(2)
+ band_blue = dataset.GetRasterBand(3)
+
+ # obter as matrizes de pixels de cada banda
+ array_red = band_red.ReadAsArray()
+ array_green = band_green.ReadAsArray()
+ array_blue = band_blue.ReadAsArray()
+
+ # definimos os números de linhas/colunas/bandas
+number_of_lines = dataset.RasterYSize
+number_of_columns = dataset.RasterXSize
+
+ # isso criamos uma matriz com 3 dimensões
+ # (3 bandas x linhas x colunas)
+ array_rgb = np.zeros((number_of_lines, number_of_columns, 3))
+
+ # veja que, para visualizar corretamente,
+ # precisaremos dividir as matrizes pelo
+ # maior valor, para obtermos uma matriz
+ # com valores normalizados entre 0.0 e 1.0
+ array_rgb[:, :, 0] = array_red / array_red.max()
+ array_rgb[:, :, 1] = array_green / array_green.max()
+ array_rgb[:, :, 2] = array_blue / array_blue.max()
+
+ plt.figure(figsize=(20, 5))
+ plt.imshow(array_rgb)
+ plt.title('Composição colorida gerada em novo arquivo');
+