一、功能需求与描述
经过一系列处理后的遥感影像产品都是GeoTiff标准的tif影像，但利用OpenCV无法直接对其进行读取和操作。 因此需要将影像转换成OpenCV能识别的png、jpg等格式才能应用后续算法。
二、技术分析与思路
利用专业处理遥感影像数据的GDAL库来读取影像，利用Numpy的矩阵作为媒介，最后利用OpenCV输出影像。 需要注意的是，遥感影像一般量化级数是10bit。而要想利用OpenCV保存大于8bit的影像，必须设置保存格式为png。
三、功能实现
代码及工程详见GitHub。https://github.com/zhaoxuhui/ToolForImageBitConvert
四、使用及功能展示
在电脑中有一幅tif遥感影像，量化级数是10bit。直接是无法打开的。 通过本脚本，可以分别获取影像的各个波段以及对影像进行升降量化级数。
1.降为8bit量化
下图为8bit量化后的影像，由于有RGB三个通道，每个通道8bit，所以一共24bit。
2.升为16bit量化
下图为16bit量化后的影像，由于有RGB三个通道，每个通道16bit，所以一共48bit。
3.获取影像单个波段
下图是获取的影像第一个波段(蓝色波段)的灰度图。由于是16bit量化，且只有一个波段，所以图像位深度为16。
4.假彩色合成
下图是按照1,0,2的波段顺序输出的假彩色图像。影像默认的存储顺序是BGR，因此想获取真彩色图像，输出波段顺序应该是2,1,0。
五、注意
这里需要注意的是，在代码中指定的是“可视化”的量化级数，像素的真实值并不一定是对的。
在OpenCV中，保存图像只有两种量化级数可选，8-bit和16-bit，8bit用jpg保存，16bit用png保存。
那么如果有一张1bit量化的图像，那么理论上来说像素值只能为0或1。但由于OpenCV的保存策略，只能保存8bit。
因此会造成的问题是保存的图片看起来是完全黑色的。因为像素范围是[0,255]，但实际像素只有0,1两种值。
因此为了从视觉上看起来像是1bit量化，就只能对图像进行灰度线性拉伸，将其灰度范围拉伸到8bit，变成0和255两种值。
这样从视觉上看起来就是符合我们的预期了，但实际像素的值却是错误的了。
在代码中提供了IsVisible选项，默认为True，表示按照视觉保存，也可以改成False，这样像素值就是严格正确的，但是图像可能看起来不太对。
下面是一幅10bit量化的单波段全色遥感影像在不同灰度量化级数下的样子(视觉上)，原图大小24513*23995，1.09G。
原图
1-bit量化，jpg，118MB
2-bit量化，jpg，139MB
3-bit量化，jpg，142MB
4-bit量化，jpg，155MB
5-bit量化，jpg，147MB
6-bit量化，jpg，135MB
7-bit量化，jpg，127MB
8-bit量化，jpg，125MB
9-bit量化，png，440MB
10-bit量化，png，513MB
11-bit量化，png，513MB
16-bit量化，png，513MB
可以看到，随着量化级数的增多，图片的过渡越来越“温和”，更加好看。
但由于上传图片压缩等问题，所以不太明显，如果放大看原图细节则会更有这种体会。
当然你可能会有疑问，为什么处理的10bit图和原图比不太一样呢。
原图之所以看起来比较好看是因为并不是真正的原图，而是已经经过灰度拉伸、直方图均衡化之后的缩略图。
而处理的这些图片并没有经过均衡化，是原始真实的像素值，所以看起来对比度不高，整体偏暗、偏灰。
不过也能发现，同样大小的图片，500多兆的png也是挺恐怖的，和100多兆的jpg相比不在一个层次上。 可见png也是保存了非常多的信息，几乎没有压缩。GTiff格式的影像也许除了储存的地理信息剩下的大小和这个差不了多少。
当然，由于原图只有10bit量化，因此提高量化等级并不会有新的信息出现，就没有意义了。 只能说通过向高、向低转换，也间接检验了程序的正确性，是否有问题。 但是降低量化等级还是很有意义的，可以起到图像压缩的效果。
本文作者原创,未经许可不得转载,谢谢配合
