Cesium加载MVT矢量瓦片三种方案:从轻量解码到3D Tiles生产级实践

MVTCesium矢量瓦片
于 2026-10-29 05:59:42 修改
·本内容遵循CC 4.0 BY-SA版权协议

如果说最近几年 WebGIS 圈里有什么让我反复上头的东西,MVT 一定排得上号。尤其是当你打开三维地球,想在大场景里叠加几百万栋建筑、几十万个路网要素,却发现栅格瓦片放大就糊、GeoJSON 全量塞进去浏览器直接卡死,这时候就难免会搜到“cesium 加载 mvt 格式”这类热门词。搜索热度高,但能落地的资料却很零散:有人只讲了 MVT 是什么,有人只给了一段 Cesium 代码,可真正能把 MVT 加载到 Cesium 里、还能保证性能和交互的方案,几乎没人串起来讲。这篇就是把我在多个项目里实际用过的加载思路、代码骨架和踩坑记录整理出来,给正在为这个需求头疼的人一个可以对照操作的完整参考。

这篇内容不是什么教科书,更偏向我的实战记录。适合手里已经有三维场景、想用 MVT 做底图或专题数据的人读,也适合刚接触矢量瓦片、但被“Cesium 原生不支持 MVT”劝退的新手。你会看到三种不同量级的加载路线:轻量调试怎么搞、常规可视化怎么搞、生产入库怎么搞,以及每个方案背后的取舍逻辑。没有废话,全是能直接用上的东西。

1. 为什么都在搜“cesium 加载 mvt”:先摸清 MVT 的本质

1.1 MVT 不是一种“瓦片图片”

很多刚从栅格瓦片转过来的人,天然会觉得 MVT 也是一种图片格式,只不过更清晰。真不是。MVT 全称是 Mapbox Vector Tile,是一种矢量瓦片格式,文件扩展名常见 .pbf 或 .mvt。它内部存的不是渲染好的像素,而是地理要素的几何坐标、属性字段和样式所需的图层信息。你可以把它理解成“把一片区域的地图数据冻干压缩起来,浏览器拿到后想怎么画就怎么画”。

在用 Cesium 之前,我建议你先亲手拉一个 .pbf 文件看看。拿一个 MVT 瓦片服务,在浏览器里请求 https://your-tile-server.com/{z}/{x}/{y}.pbf,返回的是一坨二进制数据。用文本编辑器打开会看到一堆乱码,这就是用了 Protocol Buffers(Protobuf)编码后的结果。它把几何坐标压缩成相对命令序列,把属性字典做成索引表,所以在同等地图范围内,MVT 的文件体积通常只有同级别栅格瓦片的十分之一甚至更小。

1.2 编码基础和它带来的三个硬优势

MVT 目前主流是 2.1 规范。一个瓦片文件里可以包含多个图层,比如 building、road、water 各一个图层;每个图层里又包含若干要素,每个要素有几何、属性和 ID。几何坐标不是直接存经纬度,而是存“瓦片像素坐标”:一个瓦片默认分成 4096 个坐标单位,原点在左上角,x 轴向右,y 轴向下。实际经纬度要根据瓦片的 z/x/y 和 Web Mercator 投影换算回去。

所以 MVT 的优势可以浓缩成三个字:小、准、活。

  • 小:几何用命令串压缩,属性用字典索引,体积大幅减小。
  • 准:存的是真实坐标,放大缩小不会糊,永远能贴合边界线。
  • 活:前端可以按需定义样式、做属性筛选,甚至临时改变要素渲染方式。

拿一个现实场景举例。我在一个建筑白模项目里,原来用 GeoJSON 直接加载 20 万条面数据,浏览器内存占满、旋转场景时帧率掉到 10 帧以下;换 MVT 后,虽然最终渲染前还是要解析成几何,但瓦片分级切片、按需请求,场景切到全国范围时只请求十几张瓦片,加载速度和内存占用都好了太多。

1.3 会搜这个词的人,通常在做这四类事

我自己总结了一下,搜“cesium 加载 mvt 格式”的人,基本跑不出这几类需求:

  • 已经有现成的 MVT 切片服务(比如 Mapbox、GeoServer、tileserver-gl),想直接复用数据,不想再转成其他格式。
  • 想在三维地球上展示二维矢量专题图,比如人口热力、路网、行政区划,还要求能点击查询属性。
  • 想用建筑面生成拉伸的简单白模效果,省去建模流程。
  • 做项目选型评估,想知道 MVT 到底能不能接入 Cesium,以及要为此付出多少开发成本。

这四类需求对应的技术路线差别很大,所以下面我会按三种方案展开,从“快”到“稳”,你可以按项目情况对号入座。

2. Cesium 直接吃不下 MVT:差异到底出在哪

2.1 Cesium 原生支持的那些格式,为什么没有 MVT

Cesium 是一个偏三维地球和时空数据可视化的引擎,它原生支持的数据格式有 GeoJSON、KML、CZML、3D Tiles、glTF 等。这里有个很关键的现实:Cesium 的数据模型是围绕“实体(Entity)”和“图元(Primitive)”组织的,它要的是已经能表达空间位置、样式、时间状态的数据。MVT 只是一种紧凑传输格式,它需要先被“翻译”成前端可渲染的几何对象,这步本身 Cesium 帮不上忙。

另一个问题是渲染管线。Cesium 默认的 WebGL 管线是为了加载地形、影像、3D Tiles 这类大体积数据设计的,它没有内置一套“按样式表渲染矢量要素”的渲染器。而 MVT 的价值恰恰需要样式表驱动:同一条道路,白天要白色,晚上要灰色;同一栋楼,按层高拉伸成不同高度。这种能力需要矢量渲染引擎,Cesium 核心库里并没有。

2.2 坐标系、数据模型、时间维度:三层差异不能只解决一层

很多人在项目里只做了坐标系转换就把 MVT 加载进 Cesium,结果发现要素是出来了,但点击拾取、高亮这些交互完全不响应。问题就出在数据模型上。

第一层是坐标系。MVT 用的是 Web Mercator 投影,Cesium 内部用 WGS84 经纬度和地心直角坐标(ECEF)。要做转换,不是简单把 x/y/z 算成经纬度就完事,还要注意瓦片坐标系原点差异、经纬度转 ECEF 时的精度损失。

第二层是数据模型。MVT 里的一个 polygon 要素,在 Cesium 里可能是一个 Entity.polygon,也可能是一组 Primitive 顶点。你需要决定用什么“载体”承载它。用 Entity 简单但量大就卡,用 Primitive 性能好但样式控制要自己写。

第三层是时间维度。Cesium 是一套有时间轴的地球引擎,而 MVT 本身没有时间语义。如果你的数据是有时间序列的(比如台风路径、船舶轨迹),那 MVT 只适合做静态底图,动态数据还是要靠 Cesium 原生的 czml 或 entity 动画。

2.3 动手写代码前:用四个问题决定方案选型

我每次做技术决策前都会先问自己四个问题,这里也分享给你:

  1. 数据量级是多少?几万要素和几百万要素,直接决定你能不能走轻量解码路线。
  2. 交互要求高不高?只做底图展示,还是需要点选、圈选、属性弹窗?
  3. 服务端谁控制?MVT 瓦片服务是自建的,还是第三方提供的?能否改切片坐标范围?
  4. 要不要长期迭代?如果这个功能会持续上线三五年,那把数据转成 Cesium 更适合的格式,可能比在前端天天对抗性能问题更划算。

把这些问题想清楚,再往下看方案,才不会选错。

3. 方案一:用 MVTLayer 覆盖层渲染 MVT(多源叠加做法)

3.1 为什么我推荐先试 deck.gl MVTLayer

deck.gl 是 Uber 开源的地理可视化库,它有一个 MVTLayer,可以直接从 MVT 瓦片服务拉取数据并渲染,内部还集成了二进制数据解析、样式渲染和事件拾取。虽然 Cesium 官方没有提供 MVT 加载器,但 deck.gl 可以作为一个独立的覆盖层叠加在 Cesium 画布之上,这样你既保留 Cesium 的三维地球、地形和 3D Tiles,又能用 deck.gl 渲染矢量瓦片。

这种“覆盖层”方案的优势是:MVT 解析、切片请求、样式渲染都被 deck.gl 处理了,你不用自己写底层的 Protobuf 解码和 WebGL 绘制。缺点是整套系统会引入额外的渲染层,需要做相机同步,内存占用也会增加一点。

3.2 最小可运行代码骨架

先用 npm 安装依赖:

BASH
npm install @deck.gl/core @deck.gl/geo-layers @deck.gl/layers

然后建立 Cesium Viewer,并在同一个页面挂载 deck.gl 实例。这里我用的是最常见的叠加思路:deck.gl 使用独立的 canvas,通过 CSS 覆盖在 Cesium 的 canvas 上方。

JAVASCRIPT
import {Viewer} from 'cesium';
import {Deck} from '@deck.gl/core';
import {MVTLayer} from '@deck.gl/geo-layers';
 
const viewer = new Viewer('cesiumContainer', {
baseLayerPicker: false,
animation: false,
timeline: false
});
viewer.scene.globe.depthTestAgainstTerrain = false;
 
const mvtLayer = new MVTLayer({
id: 'mvt-building',
data: 'https://your-mvt-service.com/{z}/{x}/{y}.pbf',
// 二进制数据模式,性能更好
binary: true,
// 只取 building 图层,减少无用数据
// 注意:地图服务通常有多图层,按需过滤
getFillColor: d => {
if (d.properties.building) return [137, 184, 245, 150];
if (d.properties.road) return [220, 220, 220, 120];
return [100, 100, 100, 80];
},
getLineColor: [60, 60, 60, 120],
lineWidthMinPixels: 1,
stroked: true,
filled: true,
pickable: true,
autoHighlight: true
});
 
const deck = new Deck({
initialViewState: {
longitude: 116.39,
latitude: 39.9,
zoom: 12,
pitch: 45,
bearing: 0
},
layers: [mvtLayer]
});

这一步里有两个容易踩的坑。第一个是 binary: true,这个选项开启后,deck.gl 会绕过 GeoJSON 中间格式,直接用二进制数组传几何数据,性能和内存表现会好一个档次,但如果你在 getFillColor 里访问 d.properties,需要确认 deck.gl 版本能正确把属性带过来。第二个是图层过滤,很多 MVT 服务把道路、水域、建筑放在同一个瓦片的多个图层里,你最好在服务端做过滤,或者用 deck.gl 的扩展参数只请求需要的图层名,避免把所有要素全部加载进来。

3.3 相机同步:这是覆盖层方案躲不开的痛点

deck.gl 自己有一套 viewState,Cesium 自己有一套 camera。覆盖层方案必须让两者保持视角一致,否则 MVT 图层会“飘”在地球外面。社区里有很多同步实现,我用的思路是:监听 Cesium 相机的 changed 事件,把相机参数转换成 deck.gl 的 viewState。

核心转换逻辑大致长这样:

JAVASCRIPT
import * as Cesium from 'cesium';
 
function cameraToViewState(viewer) {
const camera = viewer.camera;
// 取屏幕中心点对应的地表经纬度
const center = viewer.camera.pickEllipsoid(
new Cesium.Cartesian2(
viewer.canvas.clientWidth / 2,
viewer.canvas.clientHeight / 2
),
viewer.scene.globe.ellipsoid
);
if (!center) return null;
const carto = Cesium.Cartographic.fromCartesian(center);
const lon = Cesium.Math.toDegrees(carto.longitude);
const lat = Cesium.Math.toDegrees(carto.latitude);
// height 到 zoom 的换算,按实际球体做近似
const heightMeters = camera.positionCartographic.height;
const zoom = Math.max(0, Math.log2(40075016.68 / heightMeters) + 4);
return {
longitude: lon,
latitude: lat,
zoom,
pitch: Cesium.Math.toDegrees(camera.pitch) + 90,
bearing: -Cesium.Math.toDegrees(camera.heading)
};
}
 
viewer.camera.changed.addEventListener(() => {
const viewState = cameraToViewState(viewer);
if (viewState) {
deck.setProps({viewState});
}
});

这里 zoom 的换算公式是经验值,不同项目要根据相机高度和视野角度微调。我更建议的做法是,在加载后先让 Cesium 飞到某个缩放级别,对比 MVT 图层的绘制密度和底图,再微调 Math.log2 里的系数。这个对不齐的问题,几乎每个做覆盖层的人都会遇到,不是你的代码有问题,是这个方案本身的特性。

3.4 样式与交互:像调地图一样调 MVT

MVTLayer 的样式配置非常直观。如果你想做点击查询,数据源里的 properties 已经附带完整属性,可以在点击事件里直接取:

JAVASCRIPT
deck.onClick = info => {
if (info && info.object) {
console.log(info.object.properties);
// 弹窗、高亮、飞行定位……
}
};

在 Cesium 里做飞行定位时,你可以先把经纬度转成 Cartesian3,再用 camera.flyTo 飞过去。这里有个小技巧:如果点击的对象是面,最好用多边形中心点而不是鼠标点击点,避免点在边缘造成视觉误差。

3.5 方案一的适用边界

这套方案适合:数据量在几十万到几百万数量级、交互要求中等、你需要快速验证效果的项目。它不适合:完全需要精确贴合 Cesium 地形高度、大量要素需要与 3D Tiles 做遮挡分析、或者你不想额外引入一整套渲染依赖的场景。

4. 方案二:把 MVT 解码成 GeoJSON,走 Cesium 原生管线

4.1 解码思路:从瓦片坐标回到经纬度

如果项目规模不大,或者你只是想在现有 Cesium 场景里快速看看 MVT 数据长什么样,那没必要引入 deck.gl。直接在前端把 MVT 解码成 GeoJSON,然后喂给 Cesium.GeoJsonDataSource 是更轻量的路线。

解码最常用的库是 @mapbox/vector-tile 配合 pbf。它的核心 API 很简洁,一个瓦片文件的解析大概就是下面这样:

JAVASCRIPT
import {VectorTile} from '@mapbox/vector-tile';
import Protobuf from 'pbf';
 
const buf = new Uint8Array(await response.arrayBuffer());
const tile = new VectorTile(new Protobuf(buf));
 
// tile.layers 是一个字典,key 是图层名
const layerNames = Object.keys(tile.layers);
console.log('图层列表:', layerNames);
 
const features = [];
layerNames.forEach(name => {
const layer = tile.layers[name];
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
// 核心一步:直接转成 WGS84 坐标的 GeoJSON geometry
const geometry = feature.toGeoJSON(tileX, tileY, zoom);
features.push({
type: 'Feature',
properties: feature.properties,
geometry: geometry
});
}
});

这一步里最重要的就是 feature.toGeoJSON(x, y, z),它会自动处理 MVT 瓦片坐标到经纬度的转换。你不需要自己写 Web Mercator 反算公式,但最好还是要理解它转换出来的几何是 WGS84 经纬度坐标。如果你拿到的 MVT 是 GeoServer 发布的,还要注意图层名是不是自己配的 roads、buildings 这种,而不是数据库表名。

4.2 Cesium 原生加载 GeoJSON:稳就一个字

把 features 组装成 FeatureCollection 之后,加载非常简单:

JAVASCRIPT
const geojson = {
type: 'FeatureCollection',
features: features
};
 
const dataSource = await Cesium.GeoJsonDataSource.load(geojson, {
clampToGround: true,
markerSize: 8,
stroke: Cesium.Color.fromCssColorString('#ffffff'),
fill: Cesium.Color.fromCssColorString('#3388ff'),
strokeWidth: 2
});
 
viewer.dataSources.add(dataSource);

如果你要做的只是看看效果,这套流程五分钟就能跑通。但要注意,clampToGround: true 是让面贴合地形的选项,在倾斜摄影地形上很容易出现面粘到山坡上、导致边界忽隐忽现。如果你希望要素保持固定高度,就不要开 clampToGround,而是给每个 Entity 指定 height。

4.3 建筑拉伸:从二维面到简易白模

Cesium 的 GeoJSON 加载器默认把 Polygon 当作贴合地面的二维面,但你可以给它的 entities 批量加高度,形成一种伪 3D 白模效果。做法是遍历 dataSource.entities.values,找到 Polygon 几何对象,给 height 和 extrudedHeight 赋值:

JAVASCRIPT
dataSource.entities.values.forEach(entity => {
if (entity.polygon) {
const height = entity.properties?.height?.getValue?.() || 20;
entity.polygon.height = 0;
entity.polygon.extrudedHeight = height;
}
});

这样一栋建筑面就被拉伸成一个立体体块,性能虽然比真正 3D Tiles 差很多,但在小场景演示、标准白模效果展示里完全够用。前提是你的 MVT 属性里得有高度字段,或者至少能根据楼层数估算一个高度。

4.4 解码方案的性能边界和优化

这个方案的瓶颈非常明显:所有要素都转成 JavaScript 对象,再转成 Entity。一旦要素量超过 5 到 10 万,初始化速度会明显下降,内存也开始吃紧。所以你需要做几件事:

  • 按需加载:不要一次性加载一个城市的所有瓦片,只加载当前视野覆盖的瓦片;相机移动后再异步请求新瓦片。
  • 层级控制:zoom 级别低的时候,直接跳过面积小或长度短的要素。
  • 协调 Cesium 的 maximumScreenSpaceError:几何太复杂时,可以适当降低显示精度。
  • 简化属性:如果不需要所有属性,解码时只保留需要的字段,减少内存占用。

我做的一个路网可视化项目,最后就靠这三板斧把加载时间从 8 秒压到了 2 秒。所以这套方案并不是不能用于生产,但前提是你要会做数据裁剪和按需加载。

5. 方案三:MVT 转 3D Tiles 做生产级底图(进阶路线)

5.1 什么时候不得不转 3D Tiles

如果你做的项目要长期跑,数据量大,而且不是简单展示,而是要做碰撞检测、遮挡分析、地形贴合、大范围要素查询,那我劝你早点放弃“让 Cesium 直接吃 MVT”这个想法,老老实实把矢量数据转成 3D Tiles。

原因很简单:3D Tiles 是 Cesium 亲儿子,它有完整的调度、LOD、GPU 内存管理和属性访问机制。而 MVT 是矢量切片,它的组织方式适合二维地图渲染,在三维场景里,要素经常要贴合地形、要做光线和阴影,MVT 原生的样式表驱动模式并不适用。

3D Tiles 里最常用的两种子格式:B3DM(批量 3D 模型)和点云。建筑拉伸、路网管线这类数据,B3DM 是最合适的;如果是海量散点,点云格式更好。

5.2 从 MVT 到 3D Tiles 的常见工具链

说实话,并没有一个官方一键转换器能把任意 MVT 完美转成 3D Tiles。我在项目里的通用做法是分成两段:

第一段,把 MVT 解码回 GeoJSON。你可以用服务端程序批量处理,前端的解码逻辑也一样,只是放到 Node.js 或 Python 脚本里跑。如果数据源本身就是 GeoJSON,那连这步都省了。

第二段,用支持 GeoJSON 输入的工具生成 3D Tiles。常用路线是:

  • 用 tippecanoe 把 GeoJSON 切出 mbtiles(可选,作用不大);
  • 用 Cesium ion 上传 GeoJSON,让云端生成 3D Tiles;
  • 用开源工具如 py3dtiles、3d-tiles-tools 在本地批量生成。

这套流程里最耗时间的是几何简化和 LOD 设置。MVT 的几何已经做过一次简化,但它是针对二维屏幕精度简化的,放到三维场景里,你需要重新控制顶点密度,否则远处看全是裂缝,近处看多边形数又太高。

5.3 转换后接入 Cesium:代码反而最简单

一旦你生成了 3D Tiles 服务,Cesium 侧的代码就短得不能再短:

JAVASCRIPT
const tileset = await Cesium.Cesium3DTileset.fromUrl(
'https://your-3dtiles-service.com/tileset.json'
);
viewer.scene.primitives.add(tileset);

所以不要总觉得“加载 MVT 到 Cesium 很难”,难的是数据生产阶段。前端的加载只是一个 URL 的事,真正的技术壁垒在服务端怎么把数据组织成 Cesium 喜欢的形态。

5.4 三种方案怎么选:我的经验判断

项目特征 推荐方案
快速验证、单次演示、要素量 < 10 万 方案二:解码成 GeoJSON
常规可视化、需要样式定制、要素量几十万到几百万 方案一:deck.gl MVTLayer
生产长期运行、需要 3D 空间分析、数据量千万级 方案三:转 3D Tiles

记住一个原则:方案做得越重,前期开发成本越高,后期运行越稳;方案越轻,开发越爽,但在规模和交互上迟早会碰到天花板。

6. 加载 MVT 时最容易翻车的细节

6.1 坐标系偏移:显示出来位置不对

这是最常见的翻车点,绕着地球转了一圈,MVT 图层就是和底图错开几百米。原因有三个:MVT 用的是 Web Mercator,转换公式写错了;瓦片原点坐标取错(左上或左下);Cesium 底图影像本身的海拔和几何高度差叠加位置偏移。如果你是在 Cesium 里叠加 MVT,且位置偏移呈整体性,优先检查经纬度转换公式是不是用了标准 WGS84 到 Web Mercator 的反算。

6.2 z/x/y 地址不匹配导致的白屏

MVT 服务商有的用 {z}/{x}/{y}.pbf,有的用 {z}/{y}/{x}.pbf,还有的符合 TMS 标准,y 轴是反的。如果你把服务地址拼错了,场景里往往会一片空白。排查时先用浏览器直接请求一个瓦片地址,如果服务端返回二进制数据,再把地址套进代码;如果返回 404,就先解决地址规则和 y 轴反转问题。

另外要特别留意 Cesium 自带的瓦片加载机制和 MVT 瓦片服务的空间参考是否一致。Cesium 里的 WebMapTileServiceImageryProvider 是按 WMTS 规范请求瓦片的,而 MVT 服务通常直接暴露 xyz 地址。不要混用,否则你会被参数错位折磨一晚上。

6.3 属性缺失和图层名不对

MVT 文件里可以有多个图层,不同图层有不同的属性结构。直接用 feature.properties 时,容易遇到一个图层里有字段、另一个图层没有的情况。我的习惯是先打印所有图层名和示例属性,确认后再写样式表达式。这样能避免大量 undefined 导致的样式异常。

如果你的 MVT 服务返回的数据里 geometry 为 null 或空集合,注意这通常不是 bug,而是该瓦片在这个级别没有要素,属于正常现象。写循环时要 continue 跳过,别让空几何进入 Cesium。

6.4 瓦片请求数和内存占用:性能大头

MVT 虽然体积小,但每次请求都会消耗 HTTP 连接数,解析又要占 CPU 和内存。有两个经验值:一个瓦片的要素量最好控制在 5 万以内,超过这个数,即使是 deck.gl 也会出现卡顿;同屏请求的瓦片数最好限制在 100 张以内,否则网络并发就会拖垮加载速度。

实际项目里,我用过一个简单有效的办法:用 Cesium 的 camera.changed 事件节流。相机停止移动后再去请求新瓦片,移动过程中只保留当前瓦片,不做额外加载。这样既省流量,又能让场景保持一个可接受的帧率。

另外一个内存陷阱是:不要把解码出来的所有 GeoJSON 对象都保存在全局变量里。Cesium 的 Entity 或 deck.gl 的图层内部可能已经持有引用,你再用一个数组存一份,内存就翻倍了。数据量大的时候,该释放就释放,用局部变量加闭包就够了。


说实话,这三种加载方案我并不是从一个项目里一次性学到的,而是踩了无数个坑后慢慢总结出来的。刚开始我也执着于“让 Cesium 原生加载 MVT”,试了各种 hack,后来才明白:技术选型的本质不是让工具适应数据,而是让数据和工具找到最合适的结合方式。MVT 本身没有错,Cesium 也没有错,错的是我们把它们硬凑在一起的方式。如果你现在正为这个问题焦头烂额,我建议你先别急着写代码,打开你的 MVT 瓦片服务,确认数据规模、图层结构和交互需求,再回到这篇内容里选一条路。希望这篇记录能帮你少走几个我走过的弯路。

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
Unity与iOS原生交互实战指南
C#(DllImport) → C 接口(extern "C") → Objective‑C / SwiftObjective‑C → UnitySendMessage → C#(GameObject + public 方法)在写.mm文件;在里面写;C# 用声明;调用它,参数就是 string / 数值等;在.mm里做你想做的 iOS 原生操作。在 Unity 里准备一个常驻 GameObject,比如;上面挂一个脚本,写;在 iOS 插件中用;
你一身傲骨怎能输