🛰️ tif2jpg_pipeline：GeoTIFF 裁剪 + 转 JPG + 多种增强（可选）✨

目标：把 1 波段 / 3 波段 的 GeoTIFF（.tif/.tiff）批处理为 可直接训练/可视化 的 JPG，并支持 裁剪 patch 与 多种增强策略（AutoLevel / Equalize / MSR / PIL）。

---

✅ 功能一览

• ✂️ 裁剪（Crop）
  支持 1 波段与 3 波段 tif，按 crop_size/stride 生成 patch，输出到 folder1

  • 默认输出 tif patch（保留地理参考）
  • 可选输出 jpg patch（更适合训练集）

• 🖼️ tif → jpg（Convert）
  批量把 tif 转换为 JPG，输出到 folder2

  • raw/：仅进行位深映射与分位拉伸（推荐）
  • enhanced_xxx/：在 raw 基础上做增强（按超参数选择）

• 🎛️ 增强策略可选（Enhance）
  支持根据超参数切换不同增强方法：

  • none / autolevel / equalize / msr / pil

---

🧠 增强到底放在 tif 还是 jpg？

遥感 tif 常见是 16-bit / float，而 JPG 是 8-bit。
因此建议采用下面的分阶段策略：

1. ✅ 先在 tif 的高位深上做动态范围映射（例如分位拉伸/AutoLevel 的思想）
2. ✅ 再转成 8-bit（raw jpg）
3. ✅ 在 raw jpg 上做 OpenCV/PIL 风格增强（equalize / msr / pil 等）

本项目默认就是这样做的：

• --pre_uint8_stretch 1（默认开启）会先做分位拉伸再量化到 8-bit
• equalize/msr/pil 在 raw 8-bit 上执行，稳定可控

---

🖼️ 效果示例（压缩展示版）

说明：原图过大，这里展示的是 等比例压缩后的对比图，便于在 GitHub 页面浏览。

1) 原图（raw / baseline）

2) AutoLevel（分位拉伸/对比度拉伸）

3) Equalize（白平衡 + 三通道均衡）

4) MSR（Multi-Scale Retinex）

5) PIL（对比度 + 色彩增强）

---

📦 输出目录结构（默认）

默认输出目录与 input_dir 同级（即 input_dir 的父目录下）：

• crop_out_dir/：裁剪输出（默认 tif patch）
• crop_as_jpg/：当 --crop_as_jpg 1 时，裁剪输出的 jpg patch
• jpg_out_dir/
  • raw/xxx.jpg
  • enhanced_<method>/xxx_<method>.jpg

---

🏷️ 命名规则（裁剪 patch）

裁剪后的 patch 命名规则：
✅ 原始名称 + _ + 序号，序号从 0 开始递增（每个原始 tif 单独从 0 计数）

例如 ABC.tif →

• ABC_0.tif, ABC_1.tif, ... 或
• ABC_0.jpg, ABC_1.jpg, ...（当 --crop_as_jpg 1）

---

🚀 快速开始

1) 安装依赖

• Python 3.8+
• GDAL（需要能 from osgeo import gdal）
• numpy
• opencv-python
• pillow（仅 --enhance pil 时需要）
• tqdm（可选）

2) 一键运行（不传输出路径也行）

python tif2jpg_pipeline_v3.py --input_dir "D:\data\tif" --do_crop 1 --do_convert 1

---

✂️ 裁剪（Crop）用法

输出 tif patch（保留地理参考）

python tif2jpg_pipeline_v3.py ^
  --input_dir "D:\data\tif" ^
  --do_crop 1 --do_convert 0 ^
  --crop_size 256 --stride 256 ^
  --skip_zero 1

输出 jpg patch（训练更方便）

python tif2jpg_pipeline_v3.py ^
  --input_dir "D:\data\tif" ^
  --do_crop 1 --do_convert 0 ^
  --crop_as_jpg 1 ^
  --crop_size 256 --stride 256

---

🖼️ 转换（Convert）+ 增强（Enhance）用法

raw + MSR

python tif2jpg_pipeline_v3.py ^
  --input_dir "D:\data\tif" ^
  --do_crop 0 --do_convert 1 ^
  --enhance msr --msr_scales 15,101,301 ^
  --jpg_quality 95

raw + Equalize（可选白平衡）

python tif2jpg_pipeline_v3.py ^
  --input_dir "D:\data\tif" ^
  --do_crop 0 --do_convert 1 ^
  --enhance equalize --do_white_balance 1

raw + PIL（对比度/色彩）

python tif2jpg_pipeline_v3.py ^
  --input_dir "D:\data\tif" ^
  --do_crop 0 --do_convert 1 ^
  --enhance pil --pil_contrast 1.5 --pil_color 1.5

---

🎚️ 常用参数速查

• --crop_size：patch 尺寸（默认 256）
• --stride：滑窗步长（默认 256）
• --skip_zero：patch 内含 0 像素就跳过（默认 1）
• --band_order：三波段读取顺序（默认 1,2,3）
• --stretch_low / --stretch_high：分位拉伸强度（默认 0.001~0.999）
  • 想更“猛”可以试：0.01~0.99
• --enhance：增强方法（none/autolevel/equalize/msr/pil）
• --pre_uint8_stretch：量化前分位拉伸（默认 1，推荐开启）

---

🧩 小贴士（遥感图更稳的经验值）

• 🌈 颜色不对：先检查 --band_order（很多影像不是标准 RGB 顺序）
• 💡 整体太暗/太亮：调整 --stretch_low/high
  • 例如：--stretch_low 0.01 --stretch_high 0.99
• 🧼 想要更自然的对比：一般 autolevel 更稳
• 🧠 想要更“显纹理”：msr 往往更强，但可能更“硬”

---

📄 License

按你仓库的 License 为准（建议附上 MIT / Apache-2.0）。