Python 提取 TIF 中地名的完整指南

一、先明確：TIF 中的地名有哪兩種存在形式？

在開(kāi)始提取前，需先判斷 TIF 文件的類型 —— 這直接決定了后續(xù)的技術(shù)方案。兩種核心形式的差異如下：

二、場(chǎng)景 1：提取 GeoTIFF 中的矢量屬性地名（結(jié)構(gòu)化數(shù)據(jù)）

GeoTIFF 是帶有地理空間參考信息的 TIF 文件，常與矢量數(shù)據(jù)（如 Shapefile、GeoJSON）配套使用 —— 地名通常存儲(chǔ)在矢量要素的屬性表中（如居民點(diǎn)要素的 “NAME” 字段、道路要素的 “ROAD_NAME” 字段）。這種場(chǎng)景下，提取本質(zhì)是 “讀取地理數(shù)據(jù)的屬性信息”，核心依賴 GIS 相關(guān)庫(kù)。

1. 核心工具庫(kù)

• GDAL/OGR：地理數(shù)據(jù)處理的底層庫(kù)，支持讀取 GeoTIFF 的元數(shù)據(jù)及關(guān)聯(lián)的矢量文件；

• Geopandas：基于 Pandas 的 GIS 擴(kuò)展庫(kù)，簡(jiǎn)化矢量數(shù)據(jù)的讀取與屬性篩選，適合處理帶地名的矢量圖層；

• Fiona：輕量級(jí)矢量數(shù)據(jù)讀取庫(kù)，常與 Geopandas 配合使用，支持 Shapefile、GeoJSON 等格式。

2. 前提條件

• 需獲取與 GeoTIFF 配套的矢量文件（如 Shapefile 格式的.shp文件，通常包含.shp/.shx/.dbf/.prj四個(gè)文件）；

• 矢量文件的屬性表中需包含地名字段（如 “NAME”“地名”“CNAME”，可通過(guò) QGIS、ArcGIS 查看字段名）；

• GeoTIFF 與矢量文件需空間參考一致（如均為 WGS84 坐標(biāo)系），避免空間匹配偏差。

3. 實(shí)戰(zhàn)步驟：提取居民點(diǎn)地名

假設(shè)我們有一份 “某區(qū)域 GeoTIFF 底圖”，配套的residential.shp矢量文件包含居民點(diǎn)要素，屬性表中 “NAME” 字段存儲(chǔ)地名。

步驟 1：安裝依賴庫(kù)

GIS 庫(kù)在 Windows 環(huán)境下直接用pip安裝可能報(bào)錯(cuò)，建議用conda（Anaconda/Miniconda）安裝：

# 創(chuàng)建conda環(huán)境（可選）

conda create -n gis_env python=3.9

conda activate gis_env

# 安裝核心庫(kù)

conda install -c conda-forge gdal geopandas fiona pandas

步驟 2：讀取矢量文件并提取地名

import geopandas as gpd

import pandas as pd

# 1. 讀取Shapefile矢量文件（包含居民點(diǎn)要素）

# 注意：需確保.shp/.shx/.dbf/.prj文件在同一目錄

gdf = gpd.read_file("residential.shp")

# 2. 查看矢量數(shù)據(jù)的基本信息（確認(rèn)字段名與地名字段）

print("矢量數(shù)據(jù)字段名：", gdf.columns.tolist())  # 輸出如['FID', 'NAME', 'POP', 'geometry']

print("n前5條數(shù)據(jù)的地理類型：", gdf.geom_type.head())  # 確認(rèn)是Point（點(diǎn)要素，對(duì)應(yīng)居民點(diǎn)）

# 3. 篩選地名字段，去重并保存

# 提取"NAME"字段中的地名，排除空值和重復(fù)值

place_names = gdf["NAME"].dropna().drop_duplicates().tolist()

# 4. 查看結(jié)果并保存為CSV

print("n提取的地名列表（前10個(gè)）：")

print(place_names[:10])  # 輸出如['張三村', '李四鎮(zhèn)', '王五社區(qū)', ...]

# 保存為CSV，便于后續(xù)使用

pd.DataFrame({"地名": place_names}).to_csv("extracted_place_names.csv", index=False, encoding="utf-8")

print("n地名已保存至 extracted_place_names.csv")

步驟 3：（可選）關(guān)聯(lián) GeoTIFF 的空間范圍篩選地名

若需提取 “GeoTIFF 底圖覆蓋范圍內(nèi)” 的地名（排除矢量文件中超出底圖的要素），需先獲取 GeoTIFF 的空間范圍，再篩選矢量要素：

from osgeo import gdal

# 1. 讀取GeoTIFF，獲取其空間范圍（邊界框）

def get_geotiff_bbox(tif_path):

   dataset = gdal.Open(tif_path)

   if not dataset:

       raise ValueError("無(wú)法打開(kāi)GeoTIFF文件")

   # 獲取地理變換參數(shù)（左上角坐標(biāo)、分辨率等）

   geotransform = dataset.GetGeoTransform()

   # 計(jì)算邊界框（min_x, min_y, max_x, max_y）

   min_x = geotransform[0]

   max_y = geotransform[3]

   max_x = min_x + dataset.RasterXSize * geotransform[1]

   min_y = max_y + dataset.RasterYSize * geotransform[5]

   dataset = None  # 關(guān)閉文件

   return (min_x, min_y, max_x, max_y)

# 2. 獲取GeoTIFF的邊界框

tif_bbox = get_geotiff_bbox("region.tif")  # 替換為你的GeoTIFF路徑

min_x, min_y, max_x, max_y = tif_bbox

# 3. 篩選矢量要素中在邊界框內(nèi)的地名

# 創(chuàng)建邊界框的Polygon幾何對(duì)象

from shapely.geometry import box

bbox_geometry = box(min_x, min_y, max_x, max_y)

# 篩選與邊界框相交的居民點(diǎn)要素

gdf_in_bbox = gdf[gdf.intersects(bbox_geometry)]

# 提取地名

place_names_in_bbox = gdf_in_bbox["NAME"].dropna().drop_duplicates().tolist()

print("GeoTIFF范圍內(nèi)的地名數(shù)量：", len(place_names_in_bbox))

print("GeoTIFF范圍內(nèi)的地名（前10個(gè)）：", place_names_in_bbox[:10])

三、場(chǎng)景 2：提取普通 TIF 圖像中的文字地名（非結(jié)構(gòu)化數(shù)據(jù)）

若 TIF 是普通圖像（如掃描的紙質(zhì)地圖、無(wú)人機(jī)航拍圖），地名是圖像上的可視化文字（如印刷體標(biāo)注），則需通過(guò)OCR（光學(xué)字符識(shí)別） 技術(shù)提取。這種場(chǎng)景的核心是 “將圖像文字轉(zhuǎn)化為文本”，再通過(guò)簡(jiǎn)單篩選得到地名。

1. 核心工具庫(kù)

• PIL/Pillow：Python 圖像處理庫(kù)，用于 TIF 圖像的讀取、預(yù)處理（灰度化、二值化、去噪）；

• EasyOCR：輕量級(jí) OCR 庫(kù)，支持多語(yǔ)言（含中文），識(shí)別準(zhǔn)確率高于傳統(tǒng)的 Tesseract，且無(wú)需復(fù)雜配置；

• OpenCV（可選）：用于更復(fù)雜的圖像預(yù)處理（如邊緣檢測(cè)、文字區(qū)域定位），提升 OCR 準(zhǔn)確率。

2. 前提條件

• TIF 圖像中的地名需清晰可辨（避免模糊、傾斜、遮擋，否則 OCR 準(zhǔn)確率會(huì)大幅下降）；

• 若識(shí)別中文地名，需確保 OCR 庫(kù)已下載中文模型（EasyOCR 會(huì)自動(dòng)下載，首次運(yùn)行需聯(lián)網(wǎng)）。

3. 實(shí)戰(zhàn)步驟：OCR 識(shí)別 TIF 中的地名

假設(shè)我們有一份掃描的紙質(zhì)地圖 TIF（scan_map.tif），圖像上有 “XX 路”“XX 鎮(zhèn)” 等地名標(biāo)注。

步驟 1：安裝依賴庫(kù)

# 安裝Pillow和EasyOCR

pip install pillow easyocr opencv-python

步驟 2：圖像預(yù)處理（提升 OCR 準(zhǔn)確率）

普通 TIF 圖像可能存在噪聲、顏色干擾，需先預(yù)處理：

• 灰度化：將彩色圖像轉(zhuǎn)為灰度圖像，減少顏色通道干擾；

• 二值化：將灰度圖像轉(zhuǎn)為黑白二值圖像，突出文字與背景的對(duì)比；

• 去噪：去除圖像中的小點(diǎn)、雜色，避免 OCR 誤識(shí)別。

from PIL import Image

import numpy as np

import cv2

def preprocess_tif(tif_path):

   # 1. 讀取TIF圖像（支持多頁(yè)TIF，此處取第一頁(yè)）

   img = Image.open(tif_path)

   if img.mode == "CMYK":

       img = img.convert("RGB")  # 處理CMYK格式圖像

   # 轉(zhuǎn)為OpenCV格式（BGR通道）

   img_cv = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)


   # 2. 灰度化

   gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)


   # 3. 二值化（自適應(yīng)閾值，適合光照不均勻的圖像）

   # THRESH_BINARY_INV：文字為白色，背景為黑色

   thresh = cv2.adaptiveThreshold(

       gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2

   )



   # 4. 去噪（ morphological opening，先腐蝕再膨脹）

   kernel = np.ones((2, 2), np.uint8)

   denoised = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=1)


   # 轉(zhuǎn)回PIL圖像，便于后續(xù)OCR

   img_preprocessed = Image.fromarray(cv2.cvtColor(denoised, cv2.COLOR_BGR2RGB))

   return img_preprocessed

# 預(yù)處理TIF圖像

preprocessed_img = preprocess_tif("scan_map.tif")

# 保存預(yù)處理后的圖像（可選，用于檢查效果）

preprocessed_img.save("preprocessed_map.png")

print("預(yù)處理完成，圖像已保存至 preprocessed_map.png")

步驟 3：EasyOCR 識(shí)別文字并篩選地名

OCR 會(huì)識(shí)別圖像中的所有文字（如數(shù)字、符號(hào)、無(wú)關(guān)說(shuō)明），需通過(guò) “地名特征” 篩選（如含 “市”“縣”“鎮(zhèn)”“村”“路”“街” 等關(guān)鍵詞）：

import easyocr

def extract_place_names_from_ocr(img):

   # 1. 初始化EasyOCR閱讀器（僅加載中文模型，減少內(nèi)存占用）

   # lang_list=["ch_sim"]：中文簡(jiǎn)體，如需英文可加["en"]

   reader = easyocr.Reader(lang_list=["ch_sim"], gpu=False)  # gpu=True需安裝CUDA


   # 2. 識(shí)別圖像文字（返回結(jié)果：[(文字區(qū)域坐標(biāo), 文字內(nèi)容, 置信度)]）

   result = reader.readtext(np.array(img))


   # 3. 篩選地名：保留含地名關(guān)鍵詞的文字，且置信度>0.5（過(guò)濾低準(zhǔn)確率結(jié)果）

   place_keywords = ["市", "縣", "區(qū)", "鎮(zhèn)", "鄉(xiāng)", "村", "社區(qū)", "路", "街", "巷", "大道"]

   place_names = []

   for bbox, text, confidence in result:

       if confidence > 0.5 and any(keyword in text for keyword in place_keywords):

           # 去除文字中的空格、換行符

           clean_text = text.strip().replace("n", "")

           place_names.append(clean_text)


   # 4. 去重并返回

   return list(set(place_names))  # set去重

# 提取地名

place_names_ocr = extract_place_names_from_ocr(preprocessed_img)

# 查看結(jié)果

print("nOCR提取的地名列表：")

for name in place_names_ocr:

   print(name)  # 輸出如['朝陽(yáng)路', '海淀鎮(zhèn)', '中關(guān)村社區(qū)', ...]

# 保存結(jié)果

import pandas as pd

pd.DataFrame({"OCR提取地名": place_names_ocr}).to_csv("ocr_place_names.csv", index=False, encoding="utf-8")

print("nOCR提取的地名已保存至 ocr_place_names.csv")

步驟 4：優(yōu)化 OCR 準(zhǔn)確率的技巧

若識(shí)別結(jié)果中存在大量錯(cuò)誤（如 “朝陽(yáng)路” 識(shí)別為 “朝陽(yáng)鉻”），可嘗試以下優(yōu)化：

1. 調(diào)整二值化閾值：若文字模糊，可減小adaptiveThreshold的blockSize（如從 11 改為 9）；

2. 文字區(qū)域定位：用 OpenCV 的findContours找到文字輪廓，僅對(duì)文字區(qū)域進(jìn)行 OCR，減少背景干擾；

3. 更換 OCR 庫(kù)：若 EasyOCR 效果不佳，可嘗試pytesseract（需安裝 Tesseract 引擎，支持自定義訓(xùn)練模型）；

4. 圖像旋轉(zhuǎn)矯正：若 TIF 圖像傾斜，用cv2.getRotationMatrix2D旋轉(zhuǎn)矯正后再識(shí)別。

四、兩種場(chǎng)景的對(duì)比與選擇建議

選擇建議：

1. 優(yōu)先確認(rèn) TIF 類型：若 TIF 是從 GIS 軟件導(dǎo)出的 GeoTIFF，先檢查是否有配套矢量文件，優(yōu)先用場(chǎng)景 1 的方法（準(zhǔn)確率高、效率快）；

2. 無(wú)矢量數(shù)據(jù)時(shí)用 OCR：若僅能獲取普通 TIF 圖像（如歷史地圖掃描件），則采用場(chǎng)景 2 的 OCR 方案，需做好圖像預(yù)處理；

3. 混合場(chǎng)景處理：若 GeoTIFF 底圖上有額外的圖像文字地名（如臨時(shí)標(biāo)注），可結(jié)合兩種方法 —— 先提取矢量屬性地名，再用 OCR 補(bǔ)充圖像文字地名。

五、常見(jiàn)問(wèn)題與解決方案

1. 問(wèn)題 1：GeoTIFF 無(wú)法關(guān)聯(lián)矢量文件

   原因：兩者空間參考不一致（如 GeoTIFF 是 GCJ02 坐標(biāo)系，矢量是 WGS84）。

   解決方案：用 Geopandas 的to_crs統(tǒng)一坐標(biāo)系，如gdf = gdf.to_crs(epsg=4326)（轉(zhuǎn)為 WGS84）。

2. 問(wèn)題 2：TIF 圖像太大，OCR 內(nèi)存溢出

   原因：EasyOCR 處理大圖像（如分辨率 > 5000×5000）時(shí)占用內(nèi)存過(guò)高。

   解決方案：將圖像按網(wǎng)格分割為小塊（如 500×500 像素），分別 OCR 后合并結(jié)果。

3. 問(wèn)題 3：矢量文件中無(wú)明確的地名字段

   原因：字段名非 “NAME”，可能是 “DZM”“MC” 等中文拼音縮寫。

   解決方案：用gdf.head()查看屬性表內(nèi)容，找到包含地名的字段（如 “DZM” 字段值為 “張三村”）。

六、總結(jié)

Python 提取 TIF 中的地名，核心是 “根據(jù) TIF 文件類型選擇對(duì)應(yīng)技術(shù)路徑”—— 對(duì)于結(jié)構(gòu)化的 GeoTIFF 矢量數(shù)據(jù)，利用 GIS 庫(kù)直接讀取屬性字段是最優(yōu)解；對(duì)于非結(jié)構(gòu)化的圖像文字，通過(guò) “預(yù)處理 + OCR” 是唯一可行方案。無(wú)論哪種場(chǎng)景，都需關(guān)注數(shù)據(jù)質(zhì)量（矢量數(shù)據(jù)完整性、圖像清晰度）與工具庫(kù)適配（GIS 庫(kù)的空間參考、OCR 庫(kù)的語(yǔ)言模型）。掌握這兩種方法，可覆蓋絕大多數(shù) TIF 地名提取需求，為地理信息分析、地圖數(shù)字化等工作提供數(shù)據(jù)支撐。

推薦學(xué)習(xí)書(shū)籍 《CDA一級(jí)教材》適合CDA一級(jí)考生備考，也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校，累計(jì)已有10萬(wàn)+在讀~ !

免費(fèi)加入閱讀：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0