TIFF栅格数据批量重采样处理工具，专门为ArcGIS环境设计，具备以下核心功能
一款为ArcGIS环境打造的TIFF栅格批量重采样工具，通过向导式交互界面将复杂的重采样流程简化为三步操作：选择输入输出路径、配置重采样参数、启动批量处理。该工具具备智能文件扫描功能，可自动识别多种栅格格式并保持原有目录结构；支持多进程并行计算，能根据CPU核心数智能优化处理速度；特有的智能续传机制可跳过已处理文件，大幅提升工作效率。提供NEAREST、BILINEAR、CUBIC、MAJORITY四种专业重采样算法，满足不同数据类型需求。工具内置完善的错误处理和中文字符支持，确保处理过程稳定可靠，同时生成详细日志记录，是处理遥感影像、DEM地形数据等大规模栅格数据集的理想解决方案。
一、工具核心功能概述
- 基础重采样功能
批量处理TIFF/IMG格式的栅格文件
支持多种重采样方法：NEAREST、BILINEAR、CUBIC、MAJORITY
自定义目标像元大小(空间分辨率） - 智能处理能力
智能续传：跳过已处理文件，避免重复工作
文件分类：按当前像元大小自动分组处理
条件重采样：只对需要调整大小的文件进行处理 - 性能优化
多进程并行处理：充分利用多核CPU
智能进程管理：根据CPU核心数和文件数自动优化
内存管理：监控系统资源，防止过载
二、完整工作流程
阶段1：环境检测与初始化
┌─ 检测Python版本（2.7或3.x）
├─ 检测ArcGIS环境（Desktop或Pro）
├─ 检查arcpy模块可用性
├─ 初始化多进程支持
└─ 设置编码和系统配置
①输入Arcpy所属的python环境路径
阶段2：参数输入与验证
┌─ 输入文件夹路径
├─ 选择是否递归处理子文件夹
├─ 设置输出文件夹路径
├─ 搜索并验证栅格文件
│ ├─ 支持的文件格式：.tif, .tiff, .img
│ ├─ 文件数量统计
│ └─ 文件结构预览
└─ 如果未找到文件 → 提供重新输入选项
②检测成功后跳至输入待重采样的文件路径
③支持多种存储文件的方式
(方式一：单一文件夹下存储的所有影像)
(方式二：文件夹下子文件夹存放的影像如图：)
以方式二为例，输入路径，选择递归处理子文件夹y，选择输出路径，默认则保存至当前目录下。
阶段3：处理参数配置
┌─ 设置目标像元大小
├─ 选择重采样方法
│ ├─ NEAREST：最近邻法（分类数据）
│ ├─ BILINEAR：双线性插值（连续数据）
│ ├─ CUBIC：三次卷积插值（连续数据）
│ └─ MAJORITY：众数法（分类数据）
├─ 分析文件像元大小
│ ├─ 读取每个文件的当前分辨率
│ ├─ 按像元大小分类文件
│ └─ 识别无需处理的文件
└─ 续传模式选择(覆盖/跳过)
③选择重采样的分辨率，和重采样的方式。
自动分析当前所有文件的信息，如果存在处理过程中断的重采样结果，则进行模式选择，需要重新生成还是覆盖生成的重采样文件。
阶段4：处理模式选择
┌─ 系统资源检测
│ ├─ CPU核心数
│ ├─ 可用内存
│ └─ ArcGIS版本
├─ 处理模式选择
│ ├─ 并行处理（推荐）
│ └─ 顺序处理
├─ 自定义进程数（仅并行模式）
│ ├─ 使用推荐值
│ ├─ 使用最大值
│ └─ 自定义设置
└─ 处理参数确认
④选择需要重采样的模式，多进程还是单进程。
选择多进程会提示选择进程数，可以自定义进程数，或者推荐的进程数，或者最大的进程，又电脑配置决定。
⑤信息确认
阶段5：批量处理执行
┌─ 并行处理流程：
│ ├─ 初始化工作进程池
│ ├─ 分配文件处理任务
│ ├─ 多进程同时处理不同文件
│ ├─ 实时进度反馈
│ └─ 异常处理和任务恢复
│
└─ 顺序处理流程：
├─ 逐个处理文件
├─ 详细进度显示
└─ 单个文件错误不影响后续处理
⑥执行
阶段6：结果统计与输出
┌─ 处理结果统计
│ ├─ 总文件数
│ ├─ 处理文件数
│ ├─ 成功数
│ ├─ 失败数
│ └─ 跳过数
├─ 性能统计
│ ├─ 总处理时间
│ ├─ 平均文件处理时间
│ └─ 系统资源使用情况
├─ 日志文件生成
│ ├─ 保存到输出文件夹
│ ├─ 包含详细处理记录
│ └─ 错误信息记录
└─ 提供继续处理选项
⑦处理结果信息统计
重采样结果如下：
三、关键技术特性
1、跨版本兼容性
同时支持Python 2.7（ArcGIS Desktop）和Python 3.x（ArcGIS Pro）
自动处理不同版本间的编码差异
2、智能错误处理
├─ 文件级错误隔离：单个文件失败不影响整体
├─ 编码错误处理：兼容中文字符路径
├─ ArcGIS错误捕获：详细显示arcpy错误信息
└─ 系统资源监控：防止内存溢出
3、文件管理功能
├─ 输出文件命名：包含原像元大小和目标像元大小
├─ 目录结构保持：保持原文件夹结构
├─ 文件验证：检查文件完整性和可访问性
└─ 跳过机制：智能识别已处理文件
4、用户交互设计
├─ 逐步向导：降低使用门槛
├─ 默认值提供：减少用户输入
├─ 输入验证：即时反馈错误
└─ 进度可视化：实时显示处理状态
四、典型应用场景
1、DEM数据统一分辨率
场景：多个来源的DEM数据分辨率不一致
功能：统一重采样到相同分辨率
优势：保持文件夹结构，批量处理
2、遥感影像预处理
场景：多时相遥感影像分析
功能：统一空间分辨率
优势：支持多种重采样方法，保持数据质量
3、批量数据转换
场景：不同项目的数据整合
功能：调整像元大小到标准规格
优势：智能续传，中断后继续处理
4、系统性能测试
场景：评估不同处理方法性能
功能：多进程并行处理对比
优势：详细的性能统计和日志记录
五、输出结果说明
1、重采样后的栅格文件
命名格式：原文件名_resampled_原大小to目标大小.tif
位置：输出文件夹，保持原目录结构
2、屏幕输出
├─ 实时进度信息
├─ 文件处理状态
├─ 系统性能指标
└─ 最终统计报告
六、技术亮点
本工具改变了传统单个文件处理的工作模式，通过智能批量处理能力，能够同时处理成百上千个栅格文件，将原本需要数天的手动操作压缩到几小时内完成。支持多进程并行计算，充分利用现代多核CPU的计算能力，处理速度提升3-8倍。
1、智能续传机制
当处理任务意外中断或需要增量处理时，工具能够自动检测已处理文件、跳过已完成的工作、仅处理新增或失败的文件、保证数据处理的一致性和完整性。
2、自适应并行处理
自动检测CPU核心数和可用内存；根据文件数量和系统配置推荐最优进程数；支持用户自定义进程数，满足不同性能需求；实时监控系统负载，防止资源耗尽。
代码示例：
文件封装为python文件和bat文件，在安装Arcgis或Arcgispro的环境下运行run.bat文件。`
defprocess_files_single(files_info,output_root,target_cell_size,method):"""单线程处理"""safe_print("\nUsing single-thread mode...")success_count=0failed_files=[]fori,file_infoinenumerate(files_info,1):full_path=file_info['full_path']rel_path=file_info['rel_path']current_cell_size=file_info.get('current_cell_size')safe_print("\n[%d/%d] Processing: %s (current: %.4f)"%(i,len(files_info),rel_path,current_cell_sizeifcurrent_cell_sizeelse0))try:output_path,output_name,output_dir=get_output_path(file_info,output_root,target_cell_size)ifnotos.path.exists(output_dir):os.makedirs(output_dir)start_time=time.time()arcpy.Resample_management(full_path,output_path,target_cell_size,method)elapsed=time.time()-start_time safe_print(" Success: %s (%.2f seconds)"%(output_name,elapsed))success_count+=1exceptExceptionase:error_msg=str(e)safe_print(" Failed: %s"%error_msg)failed_files.append((rel_path,error_msg))returnsuccess_count,failed_files,len(files_info)# ==============================================# 处理函数# ==============================================definit_worker():"""初始化工作进程"""pid=os.getpid()safe_print("Process %d initialized"%pid)# 设置arcpy环境try:arcpy.env.overwriteOutput=True# ArcGIS Pro可能需要设置并行处理因子ifIS_ARCGIS_PRO:try:arcpy.env.parallelProcessingFactor="100%"except:passexcept:passdefcategorize_files_by_cell_size(tiff_files,target_cell_size):"""根据当前像元大小对文件进行分类"""fromcollectionsimportdefaultdict categories=defaultdict(list)skip_files=[]forfull_path,rel_path,original_dirintiff_files:try:current_cell_size=get_raster_cell_size(full_path)ifcurrent_cell_sizeisnotNone:rounded_size=round(current_cell_size,2)ifshould_resample(current_cell_size,target_cell_size):categories[rounded_size].append({'full_path':full_path,'rel_path':rel_path,'original_dir':original_dir,'current_cell_size':current_cell_size})else:skip_files.append({'full_path':full_path,'rel_path':rel_path,'current_cell_size':current_cell_size,'reason':'Already at target cell size (%.4f)'%current_cell_size})else:categories['unknown'].append({'full_path':full_path,'rel_path':rel_path,'original_dir':original_dir,'current_cell_size':None})exceptExceptionase:safe_print("Error analyzing %s: %s"%(rel_path,str(e)))categories['error'].append({'full_path':full_path,'rel_path':rel_path,'original_dir':original_dir,'error':str(e)})returncategories,skip_files