Cesium加载MVT矢量瓦片的三种实践方案与踩坑记录

CesiumMVT矢量瓦片
于 2026-10-29 07:27:42 修改
·本内容遵循CC 4.0 BY-SA版权协议

接手这个项目之前,我一度以为"cesium加载mvt格式"是个伪需求——MVT本来就是矢量瓦片,Cesium是三维地球,把矢量瓦片直接丢进去不就行了?等我真拿到一堆.pbf文件,才发现事情远没那么简单。Cesium的数据接入模型里根本没有"样式化矢量瓦片"这个位置,强行加载的结果要么是白屏,要么是坐标错乱到天上去。这篇东西就是我当时从踩坑到跑通的全过程记录,适合正在做三维地图可视化、数字孪生项目,手里攥着MVT数据却不知道往Cesium里怎么塞的同学参考。

1. MVT不是一种"图片格式":先拆开看看瓦片里面装的什么

1.1 栅格瓦片做了十年,为什么还要换矢量瓦片

传统地图瓦片是栅格的,也就是把地图渲染成PNG/JPEG图片,然后按金字塔层级切成256x256的小图。这种方案成熟、稳定,十几年来各大在线地图都在用。但它有几个绕不开的痛点:第一,同一个区域,缩放级别不同就要重新请求不同清晰度的图片,存储和带宽成本是成倍叠加的;第二,栅格瓦片在放大到超过原始渲染分辨率时,线条和文字会糊;第三,你想改个配色、换种样式,必须重新渲染整批瓦片再重新发布,迭代一次以小时计。

MVT(Mapbox Vector Tile)就是冲着这些问题来的。它把地图要素本身——道路、水体、建筑轮廓、POI点——以矢量几何信息的形式存进瓦片,客户端拿到数据后自己决定怎么画。数据只有一份,样式可以随便换;放大多少倍也始终是清晰的矢量线条。所以这几年从在线地图到内网GIS系统,MVT基本成了矢量切片的事实标准。

1.2 MVT的三层结构:图层、要素、几何与属性

用最简单的话说,一个MVT文件(扩展名一般是.pbf或.mvt)里面是一个按瓦片坐标组织的小型空间数据库。它分三层:

  • 图层(layer):一个瓦片可以包含多个图层,比如"roads""water""buildings"各是一个图层。图层之间相互独立,样式也分开配置。
  • 要素(feature):图层下面是一批要素,每个要素对应现实世界里的一个实体,一条路、一片水域、一栋楼。
  • 几何与属性(geometry & tags):要素由几何类型(点、线、面)和属性字段(名称、等级、高度)组成。几何坐标不是全球经纬度,而是瓦片内部的局部整数网格坐标,属性则通过字典索引方式紧凑存储。

这里有个值得注意的技术细节:MVT基于Protocol Buffers二进制编码,整个解析过程是零依赖、轻量级的。坐标用ZigZag编码做差值压缩,属性用key/value字典去重,所以一个复杂的城市级瓦片常常只有几十到几百KB,比同范围栅格瓦片小一个量级。

1.3 MVT的优势和它带来的"新麻烦"

优势刚才说了:体积小、无限清晰、样式可动态切换、客户端能做交互筛选。但MVT也带来了一个栅格瓦片时代没有的"新麻烦"——它本身不包含任何颜色和线宽。

MVT只是一堆几何与属性的二进制容器,怎么呈现完全取决于渲染端。MapLibre GL JS、Mapbox GL JS这类前端库天然是干这个的,它们有完整的style spec(样式规范)、内置的瓦片解码器和渲染管线。而Cesium这种三维地球引擎,核心是处理地形、影像、3D Tiles和GeoJSON这类数据的,它没有一个"把矢量瓦片按样式画出来"的内部组件。这就是"cesium加载mvt格式"这个需求真正难的地方。

2. 症结找到了:Cesium的数据接入方式里,没有"样式化矢量瓦片"这个位置

2.1 Cesium的三种数据入口

想搞清楚怎么让Cesium吃下MVT,得先看Cesium到底能吃什么。它大概有三类数据入口:

  1. 影像图层(ImageryProvider体系):处理栅格瓦片、WMTS/WMS服务、单张大图等,最终以纹理形式贴到地球表面。
  2. 矢量数据源(DataSource体系):处理GeoJSON、KML、CZML,解析成Entity对象,走的是场景图里另一套渲染管线。
  3. 3D Tiles:Cesium的杀手锏,面向海量三维模型的流式加载,有自己的数据规范和调度规则。

MVT在哪一类里都不太对位。它虽然是"瓦片",但内容不是像素而是矢量几何;它虽然也是矢量,但GeoJSONDataSource只认GeoJSON格式,不认二进制MVT。于是你面对的局面是:Cesium的每个入口都和MVT差一步,而你要做的,就是在某个入口前搭一座桥。

2.2 为什么MapLibre能直接渲染MVT而Cesium不能

MapLibre拿到一个MVT瓦片之后,会同步拿到一份JSON样式描述,里面定义了每一个图层用什么颜色、多粗的线、什么字体、什么图标。然后MapLibre把两者绑定,解码MVT几何,按样式绘制到Canvas或WebGL上。整个过程是一套闭环:数据 + 样式 = 渲染结果。

Cesium没有这套闭环里的"样式解析"环节。就算你把MVT解码成GeoJSON喂给它,它也只会用一种统一的方式渲染几何——要么统一描边、统一填充,要么完全不渲染。它不会去读取MVT图层里的class字段判断"这条路是高速还是小道"。

这就引出了一个核心结论:Cesium加载MVT,本质上不是"加载数据",而是"补齐渲染能力"。谁能补齐这个能力,谁就是可行的方案。

2.3 结论:加载MVT有三条路,关键看你想要什么

我梳理下来,业界主流做法其实就三条路:

  • 路一:客户端把MVT解码成GeoJSON,交给GeoJSONDataSource。 适合小范围、数据量可控、需要点选交互的场景。
  • 路二:自己写一个ImageryProvider,在客户端把MVT渲染成Canvas瓦片再交给Cesium。 适合大规模数据、当底图用、不太需要逐要素交互的场景。这也是我最终采用的路线。
  • 路三:服务端把MVT渲染成PNG栅格瓦片,Cesium当普通影像加载。 最简单,但放弃了矢量瓦片动态样式的核心优势,适合快速过渡或者上游服务强制要求的场景。

下面我把这三条路挨个讲透,包括数据准备和每一条路的坑。

3. 动手前的数据准备:切片参数、mbtiles提取、坐标三步校验

不管走哪条路,你都得先把MVT数据搞到手,而且得确认手里的瓦片坐标系、压缩方式、extent这些细节是符合预期的。这步跳过,后面全是玄学错误。

3.1 用tippecanoe把GeoJSON切成你想要的MVT

如果你手头是GeoJSON或Shapefile,最常见的切片工具是tippecanoe,它由Mapbox开源,命令行就能搞定。一个典型命令是这样:

BASH
tippecanoe -zg -o output.mbtiles -l buildings --drop-densest-as-needed -pi buildings.geojson

参数说明:

  • -zg:自动估算最大合适缩放级别,省得你手动猜。
  • -o output.mbtiles:输出为mbtiles,这是一个SQLite数据库文件,里面按层级存放MVT瓦片。
  • -l buildings:指定图层名,后续样式配置都要用这个名字。
  • --drop-densest-as-needed:数据太密导致瓦片超限时,优先丢最密集处的点,保证瓦片体积可控。
  • -pi:忽略GeoJSON里存在的多边形孔洞问题,避免切片报错。

切片本身我只花了两三分钟就跑完了,但代价是后面用mb-util把mbtiles解包成目录时,才意识到切片参数和默认值可能带来的一系列坐标坑,这就引出了下一节。

3.2 从mbtiles中抽取瓦片:注意TMS/XYZ的y轴翻转

如果你的MVT是散文件,直接跳到3.3;如果是一个.mbtiles文件,你需要从SQLite里把瓦片取出来。用Python最直接:

PYTHON
import sqlite3
import gzip
 
conn = sqlite3.connect('output.mbtiles')
cur = conn.execute(
"SELECT tile_data FROM tiles WHERE zoom_level=? AND tile_column=? AND tile_row=?",
(12, 1234, 5678)
)
raw = cur.fetchone()[0]
# mbtiles里的tile_data一般是gzip压缩过的MVT,解压后才能交给解码器
data = gzip.decompress(raw)

这里有个世纪大坑:mbtiles存储的tile_row是TMS坐标系,y轴从南向北递增;而Cesium和绝大多数前端瓦片方案用的是XYZ/Google坐标系,y轴从北向南递增。 两者转换公式是:

TEXT
xyz_y = (2^z - 1) - tms_y

如果你直接从mbtiles拿tile_row塞给Cesium,图层的南北位置会完全颠倒。我在第一次测试时就盯着屏幕看了半天,明明全是道路数据,怎么全画到海里去了,就是栽在这个翻转上。

3.3 拿到瓦片后必做的坐标系校验

MVT本身是在Web Mercator投影(EPSG:3857)下切片的,瓦片内部几何是一个范围通常是[0, extent]的局部整数坐标。拿到瓦片后不要急着写渲染代码,先做三个校验:

  1. 用解码器读一次瓦片,确认layer.name、layer.extent、feature.type和feature.tags都和你切片时的预期一致。
  2. 单要素几何转GeoJSON,看看坐标落地在你预期的大致经纬度范围内。如果整体偏到另一个半球,十有八九是y轴翻转;如果偏差不大但位置偏移,检查extent是否写错。
  3. 用QGIS加载这个MVT瓦片做视觉交叉验证,跟底图对照一下要素是否贴合。

3.4 最后提醒一句:extent不一定等于4096

MVT规范默认瓦片内部坐标范围是4096,但tippecanoe、Mapbox Tiling Service以及其他切片工具产出的extent可能不同。解码时一定要读每个图层的layer.extent,而不是写死4096。我见过有同事写渲染器时把extent写死,结果某套第三方瓦片数据加载出来所有要素都偏移了1/4瓦片宽度,查了两天才发现是extent不一致。

4. 路一:MVT解码成GeoJSON,交给GeoJSONDataSource

这是最容易理解、也最快见效的一条路,适合数据量不大(比如一个区县范围的几层要素)且需要用户点击选中要素的场景。

4.1 解码代码

前端解码MVT用@mapbox/vector-tile和pbf两个包就够了:

BASH
npm install @mapbox/vector-tile pbf

解码单个瓦片的核心逻辑如下:

JAVASCRIPT
import { VectorTile } from '@mapbox/vector-tile';
import Pbf from 'pbf';
 
async function loadTileAsGeoJSON(tileUrl, z, x, y) {
const res = await fetch(tileUrl);
const buf = await res.arrayBuffer();
const tile = new VectorTile(new Pbf(buf));
 
const features = [];
for (const layerName in tile.layers) {
const layer = tile.layers[layerName];
 
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
// toGeoJSON会把瓦片局部坐标换算成WGS84经纬度
const geojson = feature.toGeoJSON(x, y, z);
features.push(geojson);
}
}
return { type: 'FeatureCollection', features };
}

注意toGeoJSON接收的x、y、z就是当前瓦片的XYZ坐标。如果你发现所有要素的经纬度都发生了奇怪的镜像或偏移,优先检查传入的x/y是不是正确对应了瓦片URL里的行列号,以及服务端返回的瓦片坐标到底是不是XYZ。

4.2 加载进Cesium

拿到GeoJSON之后,加载就很简单了:

JAVASCRIPT
const dataSource = await Cesium.GeoJsonDataSource.load(geojson, {
stroke: Cesium.Color.fromCssColorString('#ff7f2a'),
strokeWidth: 2,
fill: Cesium.Color.fromCssColorString('#ff7f2a').withAlpha(0.15),
markerColor: Cesium.Color.WHITE,
clampToGround: false,
});
 
viewer.dataSources.add(dataSource);
viewer.zoomTo(dataSource);

clampToGround如果设成true,面要素会贴到地形表面,适合建筑物、地块这类数据;如果只是道路网,设成false反而不会和地形打架。这是实际项目里需要按图层逐层斟酌的参数。

4.3 这条路能用到什么程度

这条路的最大问题不是加载,而是渲染性能。Cesium的GeoJSONDataSource会对每个要素生成Entity,一个城市级别的道路网往往有几十万条要素,全部转成Entity后Cesium的帧率会明显下降,尤其在地形起伏大的区域旋转视角时,掉帧会非常明显。

我实测下来,一万条要素以内的数据量用这条路体验尚可;超过五万条,建议你不要考虑路一。交互方面,如果你确实需要响应点击并展示属性信息,路一有天然优势——Entity拾取是Cesium的原生能力,不用自己写。

5. 路二:自己写一个ImageryProvider,把MVT画成瓦片

这条路是我在项目里最终采用的方案,也是"Cesium加载MVT"搜索热词背后大多数人真正需要的方案——把MVT当作海量底图数据,叠加在三维地球上浏览。它的核心思路是:写一个自定义ImageryProvider,在requestImage回调里把MVT解码、投影、绘制到Canvas上,然后Cesium会把Canvas当作影像瓦片贴到地球表面。

5.1 ImageryProvider接口最小实现

Cesium的ImageryProvider是一个接口,不是抽象类,所以实现起来没有强制的约束,但Cesium内部会调用一系列约定好的属性/方法,缺了就会报错。一个最小可用的实现骨架如下:

JAVASCRIPT
class MvtImageryProvider {
constructor(options) {
this._tileWidth = 256;
this._tileHeight = 256;
this._minimumLevel = options.minimumLevel || 0;
this._maximumLevel = options.maximumLevel || 18;
this._rectangle = options.rectangle || Cesium.Rectangle.fromDegrees(-180, -85, 180, 85);
this._tilingScheme = new Cesium.WebMercatorTilingScheme();
this._credit = new Cesium.Credit(options.credit || '© OpenStreetMap contributors');
this._errorEvent = new Cesium.Event();
this._ready = true;
this._readyPromise = Promise.resolve(true);
}
 
get tileWidth() { return this._tileWidth; }
get tileHeight() { return this._tileHeight; }
get minimumLevel() { return this._minimumLevel; }
get maximumLevel() { return this._maximumLevel; }
get rectangle() { return this._rectangle; }
get tilingScheme() { return this._tilingScheme; }
get credit() { return this._credit; }
get errorEvent() { return this._errorEvent; }
get ready() { return this._ready; }
get readyPromise() { return this._readyPromise; }
 
getTileCredits() { return undefined; }
pickFeatures() { return undefined; }
 
requestImage(x, y, level) {
// 核心:返回Promise<HTMLCanvasElement>
}
}

这里最容易忽略的是tilingScheme。一定用WebMercatorTilingScheme,因为MVT就是Web Mercator切片的,否则Cesium会默认用Geographic坐标系的瓦片方案,经纬度网格完全对不上。

5.2 requestImage内部的完整流程

requestImage(x, y, level)是整条路的心脏。你要在每次Cesium需要某块瓦片时,完成四件事:下载MVT、解码、投影到像素坐标、绘制到Canvas。核心逻辑如下:

JAVASCRIPT
async function loadTileToCanvas(url, z, x, y, styleRules) {
const res = await fetch(url);
const buf = await res.arrayBuffer();
const tile = new VectorTile(new Pbf(buf));
 
const canvas = document.createElement('canvas');
canvas.width = 256;
canvas.height = 256;
const ctx = canvas.getContext('2d');
 
ctx.clearRect(0, 0, 256, 256);
 
for (const layerName in tile.layers) {
const layer = tile.layers[layerName];
const rule = styleRules[layerName];
if (!rule) continue;
 
ctx.beginPath();
 
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
const geojson = feature.toGeoJSON(x, y, z);
 
// 把经纬度坐标换算成当前瓦片内的像素坐标
const geom = geojson.geometry;
if (geom.type === 'LineString' || geom.type === 'MultiLineString') {
drawLine(ctx, geom.coordinates, z, x, y, rule);
} else if (geom.type === 'Polygon' || geom.type === 'MultiPolygon') {
drawPolygon(ctx, geom.coordinates, z, x, y, rule);
}
}
 
ctx.strokeStyle = rule.stroke || '#333333';
ctx.lineWidth = rule.lineWidth || 1;
ctx.stroke();
}
 
return canvas;
}
 
function lngLatToTilePixel(lng, lat, z, x, y) {
const n = 256 * Math.pow(2, z);
const px = (lng + 180) / 360 * n - x * 256;
const sinLat = Math.sin(lat * Math.PI / 180);
const py = (0.5 - Math.log((1 + sinLat) / (1 - sinLat)) / (4 * Math.PI)) * n - y * 256;
return [px, py];
}

这个lngLatToTilePixel是把WGS84经纬度转成Web Mercator像素位置的通用公式,我自己手写在项目里用了半年,没出过问题。绘制时注意:多条独立线要素如果在同一个路径里,要记得用ctx.moveTo隔开,否则会画出莫名其妙的连接线。

5.3 样式控制、缓存和性能

路二的美妙之处在于,样式控制完全掌握在你自己手里。你可以定义一个样式规则表,按图层名和属性动态决定颜色、线宽、填充:

JAVASCRIPT
const styleRules = {
roads: { stroke: '#ff9c00', lineWidth: 1.5 },
water: { fill: '#66ccff', stroke: '#3399cc' },
buildings: { fill: '#d9d9d9' },
park: { fill: '#b3d9a3' },
};

从我的实测结果看,canvas绘制256x256瓦片的耗时通常在2到8毫秒之间,只要加了缓存,完全能满足Cesium的渲染节奏。缓存最简单的做法是给provider加一个Map:

JAVASCRIPT
requestImage(x, y, level) {
const key = `${level}/${x}/${y}`;
if (this._tileCache.has(key)) {
return this._tileCache.get(key);
}
const promise = this._loadAndRender(x, y, level);
this._tileCache.set(key, promise);
return promise;
}

缓存不能无限增长,建议在每次请求时检查Map大小,超过比如2000个条目就整体清理一次。另外要缓存的是Promise而不是Canvas,因为Cesium可能对同一块瓦片同时发起多个请求,缓存Promise能避免重复解码。

5.4 实测参数与效果

我在一个覆盖长三角区域的案例里用这条路加载了道路、水系、行政区划三个图层,总瓦片数大概在几十万片。帧率稳定在60帧,内存增长也在可接受范围。最大的遗憾是交互性:因为最终交给Cesium的是一张贴图,你没办法直接点选瓦片里的某条道路并读取它的属性。如果你需要这种交互,只能另做一套点击坐标到要素的拾取逻辑,成本不低。

6. 路三:服务端渲染成栅格瓦片,最省事也最容易"踩空"

如果你根本没精力在前端折腾解码器,服务端渲染是一条看起来很美的捷径:让GeoServer这类GIS服务器把MVT按预定义样式渲染成PNG瓦片,Cesium当成普通影像图层加载。成熟稳定、代码量极小,但有些坑你得先知道。

6.1 GeoServer渲染MVT为栅格瓦片

GeoServer 2.15以上版本支持直接把矢量数据输出为MVT,也支持把MVT数据源再渲染成PNG输出。如果你的MVT已经发布成图层,可以用GeoWebCache(GWC)配置一个栅格瓦片缓存。请求URL大致长这样:

TEXT
https://your-gis-server/geoserver/gwc/service/tms/1.0.0/layer@EPSG:900913@png/{z}/{x}/{y}.png

注意这里用的@EPSG:900913是Web Mercator的代号,和MVT的投影一致,不要写成EPSG:4326,否则瓦片网格和MVT对不上。

6.2 Cesium侧接入与参数坑

Cesium接入就三行:

JAVASCRIPT
const provider = new Cesium.UrlTemplateImageryProvider({
url: 'https://your-gis-server/geoserver/gwc/service/tms/1.0.0/layer@EPSG:900913@png/{z}/{x}/{reverseY}.png',
maximumLevel: 18,
});
viewer.imageryLayers.addImageryProvider(provider);

坑在于:GWC的标准TMS服务用的是TMS行列号,y轴方向与Cesium的XYZ相反。所以我上面特意写了{reverseY},这个占位符会自动完成2^z - 1 - y的翻转。如果你直接写{y},出来的图层会上下颠倒,而且这种错误极其隐蔽——南北半球的数据都可能被倒过来,不是错到看不见的那种,是整张图看似正常但地理位置全错。

6.3 什么情况下其实该选这条路

我说句掏心窝的话:如果你手上的MVT数据自己有一套成熟的服务端渲染配置,而且你的需求只是"在Cesium里看到一张正确的地图",那路三确实省心。它在运维层面的可控性比路二强太多,团队不会写前端代码也能维护。

但你要接受几个现实:第一,每次修改样式都要在服务端重新渲染或清理缓存,不能像路二那样前端刷新一下就有新样式;第二,矢量数据被栅格化后,放大到极限依然会糊,MVT的优势完全消失;第三,服务端渲染在金字塔低级别(比如z=0到z=5)会遇到密集矢量要素,生成瓦片耗时明显,建议提前做好缓存预热。我见过一个项目,缓存没预热,用户前几次访问慢到怀疑人生,后来写了个脚本把常用级别全部预生成才解决。

7. 三条路线怎么选:对比、案例与高频踩坑清单

7.1 维度对比表

对比维度 路一:解码为GeoJSON 路二:自定义ImageryProvider 路三:服务端渲染栅格
开发成本 低 中 低
数据容量上限 约1万要素 海量,受瓦片调度限制 海量,受服务端限制
交互拾取 原生支持 需要自己做 基本不支持
样式灵活性 差,全局统一样式 高,前端随改随用 低,改样式要重渲染
清晰度 矢量清晰 矢量清晰 放大后发糊
适合场景 小范围交互分析 大范围底图展示 已有GIS服务,快速接底图

7.2 高频坑与规避手段

我在这套方案上踩过的坑,基本可以归纳成下面几张表,你可以直接把它们当成排查手册用。

问题现象:所有要素都画到了海里或陆地的镜像位置。 根因十有八九是坐标系问题。先查瓦片URL的行列号是TMS还是XYZ,再看解码时传入的x/y/z是不是和URL一致,最后看toGeoJSON输出的经纬度范围是否合理。

问题现象:要素相对底图整体偏移了固定量,且随缩放级别变化。 查layer.extent。MVT规范默认4096,但部分切片工具输出512、1024或其他值。解码和投影时不要写死extent,从layer对象动态读取。

问题现象:低级别瓦片空白,放大几级之后数据才出现。 这不一定是你代码错了。MVT切片时,低级别下要素会做抽稀合并,如果原始几何太密或者切片参数的抽稀阈值设得太高,小比例尺下确实可能只有零星要素。可以在tippecanoe里适当缩小抽稀力度,或者提高-zg预估的级别上限。

问题现象:自定义ImageryProvider下,瓦片偶尔出现闪烁或重复加载。 检查缓存实现。缓存对象是整个Promise而不是Canvas时,要保证多个并发请求拿到的Promise是同一个引用;另外Promise reject时尽快从缓存里删掉,否则这个坏Promise会一直留着导致反复失败。

问题现象:Cesium控制台报错"Invalid tile data"或"Image is not a canvas"。 多半是requestImage没有返回Promise或者resolve的不是HTMLCanvasElement/Image。Cesium对这里resolve的对象类型有要求,务必返回canvas。

7.3 我的最终建议

如果项目是我来拍板,我会这样定方案:数据量大、主要用来当底图、要叠加三维模型或建筑白模,选路二,自定义ImageryProvider,这是Cesium加载MVT最"正"的一条路,性能和效果都最可控;数据量小、需要点击道路看属性,选路一,别硬撑着写拾取逻辑;团队里GIS服务端能力很强、前端人手紧张,选路三,清晰度和交互的妥协换来的是最稳定的交付。

最后再补一个我在实际项目里验证过的小技巧:不管走哪条路,先用一个z在10到14之间、覆盖几个瓦片的小范围数据把整条链路跑通,确认坐标、样式、缓存都没问题,再去加载全量数据。否则全量数据一上,问题混在一起,你很难分清到底是坐标错了、样式规则漏配了,还是瓦片服务本身有问题。这个习惯帮我在至少三个项目里省下了一整天的排查时间。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
傻白入门芯片设计,SystemVerilog Assertion(SVA)学习(二十一)
对SVA(SystemVerilogt Assertion)有了更深刻的认识,对经典的AveMC形式验证工具进行了介绍
好啊啊啊啊