"""
    分类方法可以只是从直方图衍生的某些数据的分布算法，也可以是复杂的培训数据集，甚至机器
学习和人工智能
"""
from osgeo import gdal_array

src = "TIF/thermal/thermal.tif"
output = "TIF/thermal/classified.jpg"
# 施工gdal库加载图片到numpy库
srcArray = gdal_array.LoadFile(src)

# 根据类别数目将直方图分割成20个去颜色区间
classes = gdal_array.numpy.histogram(srcArray, bins=20)[1]
print(len(classes))
# 颜色查找表的记录数必须为 len(classes)+1
# 声明R、G、B 元祖
lut = [[250, 0, 0], [191, 48, 48], [166, 0, 0], [255, 64, 64], [255, 115, 115],
       [255, 116, 0], [191, 113, 48], [255, 178, 155], [0, 153, 153],
       [29, 115, 115], [0, 99, 99], [166, 75, 0], [0, 204, 0], [51, 204, 204],
       [255, 150, 64], [92, 204, 204], [38, 153, 38], [0, 133, 0],
       [57, 230, 57], [103, 230, 103], [184, 138, 0]]
print(len(lut))

# 分类初始值
start = 1

# 创建一个RGB颜色的JPEG输出图片
rgb = gdal_array.numpy.zeros((3, srcArray.shape[0], srcArray.shape[1],), gdal_array.numpy.float32)

# 处理所有类并声明颜色
for i in range(len(classes)):
    mask = gdal_array.numpy.logical_and(start <= srcArray, srcArray <= classes[i])
    for j in range(len(lut[i])):
        rgb[j] = gdal_array.numpy.choose(mask, (rgb[j], lut[i][j]))
        start = classes[i] + 1

# 输出JPG图片，无地理参照信息
gdal_array.SaveArray(rgb.astype(gdal_array.numpy.uint8), output, format="JPEG")

# 保存为 TIF 并添加地理参照信息， 同时修改保存路径中的文件扩展名.jpg为.tif
# gdal_array.SaveArray(rgb.astype(gdal_array.numpy.uint8), output, format="GTiff",prototype=src)