linux（Ubuntu ）搭C++ 最新版GDAL完整教程

在前面的文章中主要是介绍如何在windows系统下利用python安装gdal库，如下：
如何快速安装GDAL

在linux环境下python安装gdal也可以利用现成的whl文件，但是安装c++ GDAL环境的比较麻烦，目前网络上大多是安装的老版本的教程，以及Windows 下vs的相关配置方法，对于在linux系统上如何安装最新版的资料较少，此文主要介绍如何从安装虚拟机部署linux系统，到安装最新的GDAL版本，以及利用vs code上运行C++ 代码调用GDAL库等流程进行全面梳理和描述。

1 安装vmware虚拟机

先安装虚拟机，在虚拟机里面部署linux系统，使之与电脑的windows系统隔离，达到一电脑两个系统的目的。
最好相关版本和我的保持一致，
链接：https://pan.baidu.com/s/1iDQXDocVE1_78JP5w6v3Dw?pwd=mebg
提取码：mebg
下载后，点击exe安装。
一直都是下一步，直到下面这步最好修改位置到磁盘空间大的磁盘，不建议安装在C盘：
在这里插入图片描述
取消默认的勾选：

之后点击下一步，完成后，在下面界面选择个人用途：
在这里插入图片描述

安装成功后打开vmware ，在创建新的虚拟机之前需要下载linux安装文件，其链接如下，我用的是24.04，
Ubuntu
下载完系统之后在vmware中创建虚拟机，
在这里插入图片描述

设置密码和账户之后：
在这里插入图片描述

一路下一步，根据提示进行相关设置即可，操作较为简单。

2 C++ GDAL相关库配置

以下所有操作都是linux系统上进行的，首先要了解如何打开终端以及输入常用命令等。

安装gdal之前需要先配置proj库，而安装proj库时会提示安装sqllite3和libtiff-4等，所以先配置其他依赖的库。
注意：根据需要安装的GDAL版本，查看官网对其他库的版本要求，后面操作相关依赖库都是版本对应的，
安装GDAL先查看PROJ的版本，然后安装PROJ库时查看要求的sqllite3和其他库的版本等，如果没有版本要求，则选择最稳定的版本即可。
可先看2.4和2.5节的版本要求。

2.1 libtiff安装

下载链接：libtiff-4.6.0
注意要根据GDAL和PROJ的版本要求选择合适的版本，PROJ对libtiff的要求参考2.4节
手动解压

cd '解压的文件夹下'
# 如何依次输入下面命令进行编辑
./configure
make
make install
sudo ldconfig #创建连接

然后输入命令：tiffinfo 检查是否成功。

2.2 安装CURL

sudo apt update
sudo apt install curl

2.3 安装sqllite3

建议源码编译，可以比较明确的对应各个库的版本问题，可参考：
Sqlite3安装
注意要根据GDAL和PROJ的版本要求选择合适的版本，PROJ对sqllite的要求参考2.4节

在Ubuntu可以不用源码编译，

sudo apt-get install sqlite3

Ubuntu >= 20.04，需要使用命令

sudo apt install libsqlite3-dev

安装后，输入命令sqlite3 -version查看版本

2.4 安装PROJ

对其他库的要求：
在这里插入图片描述

下载链接：PROJ
手动解压后，在终端依次输入：

cd '进入解压后的文件夹下'

# 然后依次输入下面命令
mkdir build
cd build
# 注意后面的 点 不要遗漏
cmake ..
cmake --build .
cmake --build . --target install

2.5 安装GDAL

在上述都配置好之后，在官网：GDAL
我下载的是3.9.2的版本：
添加图片注释，不超过 140 字（可选）

注意目前关于C++ GDAl的编译方式以前版本和较新版本方式不一样，网络上大多是通过configure 文件编译，类似2.1的方式，但新版本解压后里面没有这文件，所以编译方式不一样，新版方式如下，在文件解压后进入文件夹下：

mkdir build
cd build

# 注意后面的 点 不要遗漏
cmake ..
cmake --build .
cmake --build . --target install

2.6 配置环境变量

上述等库默认位置安装成功后，会放置在/usr/local/lib和/usr/local/bin下，所以需要将这两个位置在环境变量中设置一下。

sudo gedit /etc/profile
# 打开文件后，在文件的最后输入下面语句
export PATH=$PATH:/usr/local/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

验证GDAL：在终端输入：

gdalinfo --version

在这里插入图片描述

可见gdal配置成功，但这只是开发利用的第一步，在linux中没有vs那样厉害的ide开发工具，一般使用vs code安装c++插件来实现c++编程以调用gdal函数。

所以下面是进行vs code 配置c++，并给出测试gdal的示例。

2.6 安装中注意事项

如果安装过程中有提示报错，而且不是和上面的库相关的，可以通过下面方式通过apt命令行方式安装

# 安装前先更新一下
sudo apt update
# 然后
sudo apt install package_name=package_version
# 如果不清楚具体版本号，可以不写等号后的
sudo apt install package_name

# 如果想知道某个软件包有哪些可用的版本？可以使用这个命令：
apt list --all-versions package_name

如果是安装其他版本的gdal以及proj等库的时候，如果里面有configure文件的一般通过下面方式编译：

cd '源码源码包解压后的位置' 			
./configure --prefix='/home/Softwares' 		#指定安装路径，也可以不要--prefix='/home/Softwares' ，报错时在加上
make										#生成makefile文件
make install								#编译安装
sudo ldconfig #创建连接

3 vs code 配置C++调用GDAL

关于如下下载vs code 并在linux上配置c++的相关操作可参考：
Linux/Ubuntu中Vs Code配置C++/C环境
测试GDAL代码用例为：

#include <iostream> // 正确地包含iostream头文件
#include <gdal_priv.h>
#include <gdal.h>
#include <ogr_spatialref.h>
#include <ogr_geometry.h>
#include <fstream>
#include <iostream>
#include <iomanip>
using namespace std; // 声明使用std命名空间
#define BYTE float            //方便数据类型的修改
int main()
{
	//tif文件读取
	GDALAllRegister();  //注册所有的驱动
	CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");//以防中文名不能正常读取
 
	int num_iamge_size = 0;
 
	const char*  file_path_name = "/home/fanm/文档/test/2004_mosaic_clip.tif"; 
	GDALDataset *poDataset = (GDALDataset *)GDALOpen(file_path_name, GA_ReadOnly);//GDAL数据集
	if (poDataset == NULL)
	{
		std::cout << "指定的文件不能打开!" << std::endl;
		std::cout << file_path_name << std::endl;

		return 0;
	}
 
	//获取图像波段
	GDALRasterBand *poBand1;
	poBand1 = poDataset->GetRasterBand(1);
 
	//获取图像的尺寸
	int nImgSizeX = poDataset->GetRasterXSize();
	int nImgSizeY = poDataset->GetRasterYSize();
	std::cout << "ImageX = " << nImgSizeX << ",	ImageY = " << nImgSizeY << std::endl;
 
	//获取坐标变换系数
	double trans[6];
	CPLErr aaa = poDataset->GetGeoTransform(trans);
 
	//读取图像高程数据
	BYTE *pafScanblock1;  //开辟缓存区
	pafScanblock1 = (BYTE *)CPLMalloc(sizeof(BYTE)*(nImgSizeX)*(nImgSizeY));
	// poBand1->RasterIO(GF_Read, 0, 0, nImgSizeX, nImgSizeY, pafScanblock1, nImgSizeX, nImgSizeY, GDALDataType(poBand1->GetRasterDataType()), 0, 0);
    CPLErr err = poBand1->RasterIO(GF_Read, 0, 0, nImgSizeX, nImgSizeY, pafScanblock1, nImgSizeX, nImgSizeY, GDALDataType(poBand1->GetRasterDataType()), 0, 0);
    if (err != CE_None) {
        std::cerr << "Error reading raster data: " << CPLGetLastErrorMsg() << std::endl;
        return 1; // 或者根据需要处理错误
    }
	std::ofstream out("../输出-坐标点.txt");
	std::ofstream out_range("../输出-范围坐标点.txt");
 
	//放开此段代码，最后一列和最后一行数据不计算经纬高或者XYZ
	nImgSizeX -= 1;
	nImgSizeY -= 1;
 
	double UpLeft_Xgeo = trans[0];
	double	UpLeft_Ygeo = trans[3];
	double DownRight_Xgeo = trans[0] + nImgSizeX * trans[1] + nImgSizeY* trans[2];
	double	DownRight_Ygeo = trans[3] + nImgSizeX * trans[4] + nImgSizeY * trans[5];
	out_range << std::setprecision(15) << UpLeft_Xgeo << "," << UpLeft_Ygeo << "\n";
	out_range << std::setprecision(15) << DownRight_Xgeo << "," << UpLeft_Ygeo << "\n";
	out_range << std::setprecision(15) << DownRight_Xgeo << "," << DownRight_Ygeo << "\n";
	out_range << std::setprecision(15) << UpLeft_Xgeo << "," << DownRight_Ygeo << "\n";
	out_range.close();
 
	//逐像素遍历，获取Xgeo，Ygeo，elevation(原tif数据是地理坐标系，此处就是经纬度；原tif数据是投影坐标系，此处就是XYZ，单位是米；)
	
	std::cout << "总计：" << num_iamge_size << std::endl;
 
	out.close();
	delete poDataset;
 
	return 0;
}

值得一提是的，最好通过cmake方式编译代码，用g++方式调用gdal会显示无法定位到其中的函数，
但可以这样调用：

g++ -o your_program your_program.cpp -lgdal -lsqlite3

不过没有cmake方式简单，在程序的目录下新建CMakeLists.txt文件，文件里面输入下面语句，其中my_program是文件名，替换自己的即可

cmake_minimum_required(VERSION 3.10)
project(TEST)
find_package(GDAL REQUIRED)
set(CMAKE_CXX_STANDARD 17)

add_executable(my_program my_program.cpp)
target_link_libraries(my_program GDAL::GDAL)

生成构建文件： 在项目目录中，运行以下命令来生成构建文件：

# 注意后面的 点
cmake .

编译项目： 在生成的构建文件夹中，运行以下命令来编译项目：

make

运行程序：在项目目录中，运行以下命令来运行你的程序：

./my_program

欢迎点赞，收藏，关注，支持小生，打造一个好的遥感领域知识分享专栏。遥感专栏
同时欢迎私信咨询讨论学习，咨询讨论的方向不限于：地物分类/语义分割(如水体，云，建筑物，耕地，冬小麦等各种地物类型的提取）,变化检测,夜光遥感数据处理，目标检测，图像处理(几何矫正，辐射矫正(大气校正)，图像去噪等)，遥感时空融合，定量遥感（土壤盐渍化/水质参数反演/气溶胶反演/森林参数(生物量，植被覆盖度，植被生产力等)/地表温度/地表反射率等反演）以及高光谱数据处理等领域以及深度学习，机器学习等技术算法讨论，以及相关实验指导/论文指导，考研复习等多方面。