Cesium加载MVT矢量瓦片:从解码到性能优化的实战指南

MVTCesium矢量瓦片
于 2026-10-29 05:12:17 修改
·本内容遵循CC 4.0 BY-SA版权协议

做WebGIS的,最近应该都绕不开MVT这个话题。不管是做地图可视化、空间数据展示,还是做城市级大场景加载,MVT(Mapbox Vector Tile)矢量瓦片都快成标配了。我一开始其实有点抵触,觉得GeoJSON够用,费劲切瓦片干嘛。后来被一个数据量超过500MB的点线面项目逼着切了一次MVT,真正跑起来才意识到,这玩意儿不是“锦上添花”,是“雪中送炭”。

这篇东西我不打算写成官方文档的翻译稿,就从实际项目角度出发,聊清楚MVT到底解决了什么问题、和其他格式比优势在哪、怎么用Cesium把它加载起来,以及我踩过的那些坑。如果你是刚从GeoJSON/栅格瓦片转过做MVT的,这篇文章应该能帮你少走很多弯路。

1. 内容整体设计与思路拆解

1.1 MVT到底是什么,它解决了我什么痛点

MVT的全称是Mapbox Vector Tile,简单说,它是一种经过高度压缩、按网格切片的矢量数据格式。每一个瓦片里面存的是Geometry信息和属性字段,不是渲染好的图片。这意味着客户端拿到手之后,可以自己控制样式,根据缩放级别抽稀要素,甚至可以动态筛选显示哪些地物。

我做那个500MB数据项目的时候,最开始直接用GeoJSON拉全量数据,浏览器渲染直接卡死,FPS掉到个位数。后来切成MVT瓦片,单个瓦片加载完的数据量缩减到几十KB到几百KB,缩放和平移都恢复了丝滑体验。核心原因就是MVT做了三件事:

  • 数据切片:把一个大地图切成了很多个小方块,只加载当前视野范围内的。
  • 二进制编码:使用了Google Protobuf编码,不是JSON那种文本格式,体积能压缩到原来的十分之一甚至更低。
  • 坐标量化:每个瓦片里的坐标经过量化处理,从全球范围映射到一个4096x4096的局部网格上,精度有保证的同时,数字大幅变小。

说白了,MVT不是为了追求酷炫选的格式,它就是为了解决大数据量前端渲染性能和网络传输耗时的实际问题。

1.2 MVT与其他格式的对比,以及为什么Cesium原生加载是个难题

很多新手一上来会问:为什么不用GeoJSON,或者为什么不用PBF就完事了,还要折腾一套MVT加载流程。我先用下面这个表格把几种常见方案的差异对比写清楚。

格式 体积效率 渲染压力 样式灵活性 适用范围
GeoJSON 大,字段越多体积越大 客户端全量解析 灵活,但受客户端能力限制 小数据量、开发调试
栅格瓦片(PNG/JPEG) 小 很小,只显示图片 几乎不可变,样式固定 底图展示,如影像图
MVT 极小,二进制编码+量化 低,只加载视野内矢量数据 强,样式完全由客户端控制 海量矢量要素、大数据可视化
3D Tiles 依数据而定,支持LOD 低,多层细节优化 中等 倾斜摄影、大规模三维模型

说回Cesium加载MVT的问题。Cesium本质上是三维地球引擎,它的渲染核心是围绕3D Tiles、Globe、ImageryLayer这套体系设计的。对于二维矢量瓦片,官方默认支持并不算好,早期版本甚至没有内置MVT加载方案。关键原因是MVT的数据需要经过解码、坐标投影转换、Feature转换为Cesium Entity或Primitive,才能添加到场景中去,这一套转换逻辑官方没有完整封装。

所以在实际项目中,要加载MVT,通常需要自己组合一套工具链,比如用geojson-vt或Mapbox Vector Tile解析库把MVT转成GeoJSON,再通过Cesium的GeoJsonDataSource或自定义DataSource去渲染。Cesium自身在1.7x之后版本提供了一定的vector data支持,但说实话,直接满足生产级需求还有距离,至少在二维矢量这块,需要自己多做一些工程化处理。

1.3 为什么选择自己写加载方案而不是直接用现成插件

网上其实有各种Cesium加载MVT的插件或者教程。有的用cesium-navigation、有的用mapbox-gl-js结合overlay,也有直接引入第三方库解PBF的。但我在实际项目里试过一圈之后,发现直接照搬插件方案,很容易出现几个让人头大的问题:

  • 插件更新跟不上Cesium版本迭代,经常出现Cesium API升级了,插件还停留在几个月前的版本,导致兼容性报错。
  • 插件封装的东西太多,有些是我完全不需要的,比如内置的图层管理、控件皮肤,反而给项目带来额外的样式干扰。
  • 调试起来非常痛苦,因为插件内部逻辑不看源码根本不知道它在做什么,出了问题也无从下手。

所以我最终决定自己写一个相对轻量的加载方案。思路不复杂:把MVT瓦片请求下来之后,经过解码、Feature提取、坐标转换,最后用Cesium的自定义DataSource加载成Entity。整个过程完全掌控在自己手里,性能问题也能随时定位。

2. 核心细节解析与实操要点

2.1 MVT格式底层结构和解码原理

MVT格式的底层规范其实不复杂,它基于Google Protobuf的编码格式,文件扩展名通常是.pbf或.mvt。一个完整的MVT文件包含几个核心层级:Tile、Layer、Feature、Geometry。层级关系可以理解为一本字典:

  • Tile:整个瓦片文件,内部包含多个Layer。
  • Layer:类似GeoJSON里的FeatureCollection,包含很多Feature,通常一个Layer代表一类地物,比如道路、建筑、水域。
  • Feature:单个地物,包含Geometry和attributes。

解码就是反向操作,通过protobuf解析器把这些二进制数据还原成结构化的JavaScript对象,再进一步转换成GeoJSON结构。这一步是所有MVT加载流程的核心,如果这里处理不好,后面的一切无从谈起。

在实际工程里,我常用的策略是借助现成的库来解析,最主流的是mapbox的vt2pbf和geojson-vt。geojson-vt是Mapbox开发的开源工具,它可以无缝接收MVT解码后的数据,再输出成GeoJSON格式。还有更简单的是开源库@mapbox/vector-tile,这个库可以直接解PBF原始数据。

需要注意的关键参数有三个:

参数 作用 建议值
tileSize 瓦片尺寸,影响切片粗细程度 512或4096
maxZoom 最大切片级别,超过则不再生成细节 14-22,根据数据精度决定
tolerance 抽稀程度,值越大要素越简化 0.5-1,精度要求高的小心使用

我项目里用的是tileSize=4096,maxZoom=16,tolerance=0.5。这样在市级范围数据密度比较高的区域,显示细节基本能满足业务需要,同时单瓦片体积也不会失控。

2.2 Cesium加载MVT的技术要点与坐标系统转换

Cesium加载MVT,最容易踩坑的地方就是坐标系统不一致。MVT内部的几何数据存储使用的是瓦片局部网格坐标,也就是Tile坐标空间,范围从0到tileSize(比如4096)。而Cesium场景中需要的是WGS84经纬度坐标或者Web Mercator投影坐标。转换过程大致如下:

  1. 拿到Tile的x、y、z编号。
  2. 根据Web Mercator投影规则,把Tile坐标空间映射到全球经纬度范围。
  3. 将每个点的局部网格坐标除以tileSize,再加上瓦片的经纬度偏移。
  4. 最后把经纬度转换为Cartesian3,供Cesium绘制使用。

这个转换逻辑如果写错了,最常见的结果就是矢量要素显示位置偏移,或者整体方向翻转,甚至某些要素跑到了地球背面去。

我这里提供一个精简版的转换核心逻辑参考,注意这不是完整的项目代码,而是帮助理清思路的伪代码:

TEXT
function tileToGeoJSON(tileX, tileY, zoom, tileData) {
const tileSize = 4096;
const scale = 360 / (Math.pow(2, zoom) * tileSize);
const x0 = (tileX * tileSize * scale) - 180;
const y0 = (tileY * tileSize * scale) - 90;
// 遍历tileData中的每个feature
// 将局部坐标 (localX, localY) 转换为
// 经纬度坐标 (x0 + localX * scale, y0 + (tileSize - localY) * scale)
}

为什么tileSize - localY?这就是Web Mercator投影中Y轴方向和经纬度纬度方向的差异。MVT的Y轴指向北,但从瓦片局部坐标空间映射到经纬度时,通常是从瓦片左上角开始计算,所以需要做一次翻转。这个细节看起来很小,很多人忽略之后,整个数据全会倒过来。

2.3 完整构建Cesium加载MVT流程的主要步骤

整个流程我拆成下面几步,每一步的作用和注意事项也说明一下。

第一步:准备数据源

数据源可以是本地静态MVT瓦片目录,也可以是通过服务动态生成的在线数据。本地的话需要确保瓦片目录结构按z/x/y.pbf的方式组织。我做的是直接把瓦片放在一个Nginx静态目录下,结构像这样:

TEXT
tiles/
├── 0/
│ ├── 0/
│ │ └── 0.pbf
│ └── 1/
│ └── 0.pbf
├── 1/
│ ├── 0/
│ │ └── 0.pbf
│ └── 1/
│ └── 0.pbf

这种目录结构是标准的z/x/y模式,Cesium自定义DataSource请求的时候可以按这种模式拼接URL。

第二步:请求瓦片数据

Cesium的TileMapServiceImageryProvider是处理栅格瓦片的,不适用于MVT。我们需要自定义一个Provider或者直接在自定义DataSource里做异步请求。我的做法是直接使用fetch,得到ArrayBuffer数据后传给解析函数。

TEXT
fetch(url).then(res => res.arrayBuffer()).then(buffer => {
// buffer就是PBF格式的原始数据
});

这里有个关键点,请求MVT瓦片时,返回的Content-Type可能是application/x-protobuf、application/vnd.mapbox-vector-tile等,我们只需要拿到ArrayBuffer,所以不需要关心Content-Type的兼容性,只要把数据完整接住就好。

第三步:解析MVT数据

拿到ArrayBuffer之后,用@mapbox/vector-tile解析。由于这个库比较底层,需要自己构造VLP(解码器),还要和pbf解析器配合使用。

TEXT
import { VectorTile } from '@mapbox/vector-tile';
import Protobuf from 'pbf';
 
const tile = new VectorTile(new Protobuf(buffer));

tile.layers对象里面就是每一类地物的图层数据,再遍历每个图层里features,就能拿到地物的几何信息和属性。

第四步:转换为GeoJSON并添加样式

拿到features之后,把它们转换为GeoJSON Geometry对象,然后组装成一个FeatureCollection。这一步可以直接用geojson-vt的write方法输出,也可以自己循环构造。我项目的实际做法是,用geojson-vt将数据切好,然后遍历渲染到Cesium的CustomDataSource里。

第五步:渲染到Cesium场景

渲染方式有两种。一种是逐Feature创建Cesium.Entity,好处是样式灵活,点击交互方便。另一种是批量创建Primitive,好处是渲染性能高。我实际项目中,普通属性展示用Entity,道路上万条的场景用Primitive。

TEXT
const dataSource = new Cesium.CustomDataSource('mvt-layer');
featureCollection.features.forEach(feature => {
// 根据feature.geometry.type创建不同Entity
});
viewer.dataSources.add(dataSource);

3. 实操过程与核心环节实现

3.1 实操环境准备与工具选型

我没有用太重型的框架,就是原生的Vite + Cesium,构建工具直接npm初始化就行。依赖包方面,核心是@mapbox/vector-tile和pbf,这两个库负责解析MVT原始二进制数据。另外我还用到了geojson-vt来做数据的切片与组织。工具选型的原则很简单:能用一个小库解决的事情,就不要引入一个大框架。

命令行操作如下:

BASH
npm init -y
npm install cesium
npm install @mapbox/vector-tile
npm install pbf
npm install geojson-vt

选型的时候我特意没有用mapbox-gl-js作为核心渲染引擎,原因很简单:Cesium项目本身是三维场景,强制把mapbox-gl-js拉进来,不仅增加了包体积,坐标系切换的时候还有各种怪问题。不如保持Cesium作为唯一的渲染引擎,用自研加载器反而更可控。

3.2 Cesium加载MVT核心代码实现

下面我给出一个可以跑通的基础示例,这段代码的作用是把本地静态MVT服务加载进Cesium场景中。首先需要引入依赖并初始化Viewer:

JAVASCRIPT
import * as Cesium from 'cesium';
import { VectorTile } from '@mapbox/vector-tile';
import Protobuf from 'pbf';
import geojsonvt from 'geojson-vt';
 
const viewer = new Cesium.Viewer('cesiumContainer', {
animation: false,
timeline: false,
baseLayerPicker: false,
geocoder: false,
});
 
// 切换到二维视图或者3D视图都可以自由控制
viewer.scene.screenSpaceCameraController.enableCollisionDetection = true;

然后自定义一个加载函数,核心逻辑是遍历当前视野的瓦片范围,动态请求并渲染。

JAVASCRIPT
async function loadTile(tileX, tileY, zoom) {
const url = `http://localhost:8080/tiles/${zoom}/${tileX}/${tileY}.pbf`;
const response = await fetch(url);
if (!response.ok) return;
const buffer = await response.arrayBuffer();
const tile = new VectorTile(new Protobuf(buffer));
// 将MVT图层数据转换为GeoJSON
let allFeatures = [];
for (const layerName in tile.layers) {
const layer = tile.layers[layerName];
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
const geojson = feature.toGeoJSON(tileX, tileY, zoom);
allFeatures.push(geojson);
}
}
// 添加进入Cesium的CustomDataSource
const dataSource = new Cesium.CustomDataSource(`mvt-${tileX}-${tileY}`);
const entities = [];
allFeatures.forEach(feature => {
if (feature.geometry.type === 'Point') {
entities.push(new Cesium.Entity({
position: Cesium.Cartesian3.fromDegrees(feature.geometry.coordinates[0], feature.geometry.coordinates[1]),
point: { pixelSize: 4, color: Cesium.Color.RED }
}));
}
if (feature.geometry.type === 'LineString') {
const positions = feature.geometry.coordinates.map(coord =>
Cesium.Cartesian3.fromDegrees(coord[0], coord[1])
);
entities.push(new Cesium.Entity({
polyline: {
positions,
width: 2,
material: Cesium.Color.BLUE
}
}));
}
});
dataSource.entities.addAll(entities);
viewer.dataSources.add(dataSource);
}

这一步只是最基础的实现方式,实际项目里肯定还需要配合瓦片卸载、视野变化监听、动态切换层级等逻辑。

3.3 实现多级缩放与视野动态加载

为了让MVT真正可用,只加载当前视野的瓦片是不够的。还要做一个瓦片生命周期管理:地图缩放或移动时,判断当前需要加载的瓦片范围,加载新瓦片的同时卸载不可见的瓦片。

我在项目里是这样处理的:

JAVASCRIPT
function updateTiles() {
const camera = viewer.camera;
const canvas = viewer.canvas;
const rect = camera.computeViewRectangle();
if (!rect) return;
// 换算经纬度范围
const west = Cesium.Math.toDegrees(rect.west);
const east = Cesium.Math.toDegrees(rect.east);
const south = Cesium.Math.toDegrees(rect.south);
const north = Cesium.Math.toDegrees(rect.north);
// 计算当前层级
const zoom = camera.positionCartographic.height > 50000 ? 8 : 12;
// 根据经纬度范围和zoom计算瓦片范围
const minTileX = lonToTileX(west, zoom);
const maxTileX = lonToTileX(east, zoom);
const minTileY = latToTileY(north, zoom);
const maxTileY = latToTileY(south, zoom);
// 遍历加载
for (let x = minTileX; x <= maxTileX; x++) {
for (let y = minTileY; y <= maxTileY; y++) {
loadTile(x, y, zoom);
}
}
}

这里需要两个工具函数来换算经纬度到瓦片坐标:

JAVASCRIPT
function lonToTileX(lon, zoom) {
return Math.floor((lon + 180) / 360 * Math.pow(2, zoom));
}
 
function latToTileY(lat, zoom) {
const latRad = lat * Math.PI / 180;
const n = Math.pow(2, zoom);
return Math.floor((1 - Math.log(Math.tan(latRad) + 1 / Math.cos(latRad)) / Math.PI) * n / 2);
}

这两个函数是Web Mercator投影的经典公式,只要涉及MVT、XYZ瓦片计算,都绕不开它们。

3.4 实测效果与性能数据参考

我这边用了一份道路数据做了实测。数据总量是大约80万条线段,原始GeoJSON大概是260MB,切成MVT后整包体积是39MB,缩小到原来的15%。在Cesium里加载后,整体渲染FPS能稳定在40帧以上,内存占用从原来的2GB多直接降到800MB以内,肉眼可见的顺畅。

单个瓦片的加载时间也要控制好。80万条数据切成zoom=12的瓦片后,单瓦片数据量最小6KB,最大180KB,加载时间基本在50-200ms之间。这样的数据表现对于大部分GIS业务展示场景来说完全够用了。

4. 常见问题与排查技巧实录

4.1 瓦片加载不出来或全白

这个是我最开始接触MVT时最常碰到的问题,原因集中在几个方向。

第一是路径拼接错误。Cesium加载时必须严格按z/x/y的顺序拼接,少一层路径或者目录结构不对,fetch直接404,显示就是空白。排查方法是直接在浏览器地址栏手动输入瓦片完整URL测试,能访问再谈别的。

第二是跨域问题。本地静态服务如果不配置CORS,浏览器会拦截跨域请求。解决方式很简单,在Nginx配置里加上:

TEXT
add_header Access-Control-Allow-Origin *;

第三是数据源本身数据就不在当前位置。比如你写死加载的是zoom=12的瓦片,但业务需要看城市级别的全局数据,那视野内自然为空。这种最好排查,切换一下图层级别就够了。

4.2 矢量要素位置偏移或反转

位置偏移最常见的原因就是我前面提到的坐标转换时Y轴翻转问题。Feature从MVT解码后,默认坐标是瓦片局部坐标。toGeoJSON方法内部虽然有转换逻辑,但如果在拼接数据时被人为修改过tileSize、extent等参数,就会出现错位。

我遇到过一次最诡异的情况是:所有要素整体向西偏移了大约1公里。查了半天,最后发现是瓦片数据源生成时的tileSize是4096,我在解析时写死成512。几何数据的坐标比例错了好几倍,偏移自然就出来了。这个坑提醒我,凡是涉及坐标转换,参数必须和数据源一致。

4.3 渲染性能下降和卡顿

如果你的MVT加载了之后,后续地图拖动越来越卡,大概率不是Cesium本身的问题,而是你加载的Entity数量太多,且没有做卸载。

我项目里一开始图省事,直接把所有拉下来的瓦片数据累积加载进dataSource,没有做清理。结果两个小时操作下来,内存直接爆红。解决办法是维护一个当前瓦片对象的Map,每次视野变化时,对比需要的瓦片编号和已经加载的编号,把看不到的直接移除。

还有一点要注意,就是尽量避免大量使用独立Entity去渲染,一两千个Entity还行,到上万性能就会雪崩。如果你渲染的是道路、行政边界等高密度线状数据,建议直接用自建的Primitive,或者通过Cesium.GeoJsonDataSource.laod时的clampToGround选项来控制。

4.4 MVT样式设置不生效

有些人加载完之后,发现要素颜色、大小怎么改都没反应。这个问题多半出在用Entity实体时,属性名写错了。比如:

TEXT
point: { pixelSize: 4, color: Cesium.Color.RED }

这里pixelSize是点的像素大小,color是颜色,如果你错误地写成了pointSize或者colors,Cesium不会报错,渲染会忽略这些属性。最好先做一个极简的测试数据,用最基础属性写一遍,确认渲染生效后再往复杂方向改。

4.5 常见问题速查表

问题现象 可能原因 解决方法
瓦片全白 URL路径错误 浏览器手动访问瓦片URL测试
瓦片全白 跨域拦截 配置CORS头
要素偏移 tileSize参数不匹配 核对数据源tileSize
要素上下颠倒 Y轴未翻转 使用feature.toGeoJSON时确保没有自写坐标
地图卡顿 Entity未卸载 维护瓦片生命周期
样式无效 属性名写错 检查Entity属性拼写
面不显示 坐标环方向错误 确认Polygon的坐标顺序是否符合Cesium要求
高亮无效 数据源不同 确认当前点击的Entity来自哪个DataSource

4.6 一些独家排查技巧

最后分享一个我觉得特别管用的排查技巧。遇到MVT加载后数据不对,别急着改代码,先用在线工具或者自己写个小页面,把同一个瓦片解析后的GeoJSON数据直接console输出,然后拿到mapbox或者geojson.io里去预览。如果原始数据是对的,问题就出在Cesium渲染层;如果原始数据就是错的,那就去排查数据源和解码环节。

我一贯的做法是把流程切成分段测试,数据层和数据渲染层完全隔离。这样排查问题的速度能快上一倍。还有一个技巧就是善用Cesium viewer的cesiumWidget.creditContainer来查看有没有报错信息,很多Entity加载异常时Cesium会在控制台打印详细的错误堆栈,比对着空屏乱猜效率高得多。

5. 加载性能优化与工程化实践

5.1 前端缓存策略

MVT虽然体积小,但如果每次刷新页面都重新请求一遍,用户的等待时间和服务器流量都不划算。我这里使用的是IndexedDB缓存策略。Cesium本身不带瓦片缓存机制,自己实现一个很简单:

JAVASCRIPT
const db = indexedDB.open('mvt-cache', 1);
const CACHE_TILE_KEY = 'tiles';
 
async function saveTileToCache(tileKey, data) {
const tx = db.transaction(CACHE_TILE_KEY, 'readwrite');
const store = tx.objectStore(CACHE_TILE_KEY);
store.put({ key: tileKey, data });
}
 
async function getTileFromCache(tileKey) {
const tx = db.transaction(CACHE_TILE_KEY, 'readonly');
const store = tx.objectStore(CACHE_TILE_KEY);
const result = await store.get(tileKey);
return result ? result.data : null;
}

使用缓存时需要判断内存大小上限,我一般是限制50MB以下,超过就清掉最老的缓存。这样用户二次访问时直接走缓存,延迟能降到接近0。

5.2 动态抽稀与分级加载

MVT切片的时候可以不只切一个精度。我做数据源的时候,低层级用高抽稀,高层级用低抽稀,也就是金字塔策略。具体实现可以用Mapshaper或Tippecanoe工具来生成多级瓦片,也可以在数据渲染时用tolerance参数动态控制。

前端这边可以利用zoom级别选择不同精度的数据。比如zoom小于10时,只加载crs=EPSG:4326的大概轮廓数据,zoom大于14时再刷新细节要素。这样可以减少低层级无效传输。

5.3 多线程解析

如果数据特别大,解析MVT的过程也可能成为性能瓶颈。浏览器的Web Worker可以把解析过程放到后台线程执行,不阻塞主线程渲染。我是用Vite的时候直接用new Worker(new URL('./worker.js', import.meta.url), { type: 'module' })来创建的Worker。

Worker里解析好后通过postMessage传递解析完的GeoJSON主体和属性列表,主线程只负责把数据挂载到Entities上。这样瓦片请求和解析的耗时不再影响用户交互,体验会提升不少。

6. 结语与经验总结

如果你是在做一个实际落地的WebGIS项目,而不是简单玩demo,我强烈建议你在动手写代码前把MVT的数据链路整个想清楚。它涉及的不只是加载库的调用,更关键的是坐标系转换、瓦片组织、缓存策略和生命周期管理。这些东西没理顺,后期调试会非常痛苦。

我个人在实际操作中的体会是:MVT能不能发挥出它应有的性能优势,百分之五十取决于数据源切得对不对,百分之三十取决于Cesium的Entity组织方式,最后百分之二十才轮到代码写法。所以先花时间把数据源处理好,后面会省很多事。像tileSize、tolerance这些参数,不要想当然用一个固定值,最好是根据不同数据精度和不同层级的业务场景去动态调节。

如果你也准备在Cesium里加载MVT格式数据,先从最基础的单瓦片加载流程开始跑通,再去做多瓦片加载和性能优化。不要一上来就追求多功能集成,那只会让排查问题难度翻倍。最后再分享一个小技巧:强烈建议在开发阶段把瓦片的请求日志打开,看看请求了多少瓦片,单瓦片多大,请求耗时多少,这些数据能直接告诉你优化该往哪里使劲。

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
工业数据采集实战:用open62541库读写PLC的OPC UA节点(避坑指南)
本文详细介绍了如何使用open62541库实现工业PLC的OPC UA节点数据采集,涵盖环境搭建、节点读写优化及生产环境故障排查。通过订阅模式和多节点读写技术,显著提升数据采集效率与稳定性,适用于智能制造和工业物联网场景。
weixin_30598225