Cesium加载MVT矢量瓦片:三种方案实战与踩坑指南

CesiumMVT矢量瓦片
于 2026-10-29 06:30:44 修改
·本内容遵循CC 4.0 BY-SA版权协议

做GIS前端开发的,最近应该没少看到“cesium加载mvt”这个话题。MVT(Mapbox Vector Tiles)作为矢量瓦片的事实标准,在二维地图里已经用得非常顺手,可一到Cesium这个三维地球引擎里,不少人就卡住了。Cesium对影像、地形、3D Tiles的支持很成熟,偏偏没有一条“官方快车道”让你直接把.pbf二进制瓦片丢进去渲染。我在项目里被这个问题折腾过好几轮,市面上能搜到的方案也基本都试了一遍,这篇文章把我实际验证过的三条路线、关键代码和翻车现场都整理出来,给后面要接MVT的兄弟省点时间。不管你是在做智慧城市、车辆监控还是态势展示,只要涉及Cesium里显示矢量边界、道路、楼块,这篇都应该能帮到你。

1. 先搞清楚MVT和Cesium之间的“语言障碍”

1.1 MVT到底是个什么格式

MVT全称是Mapbox Vector Tiles,基于Google Protocol Buffers(也就是protobuf)做二进制编码。简单理解就是:把全球数据按瓦片金字塔切碎,每个瓦片是一个.pbf文件,里面用非常紧凑的二进制结构存着点、线、面的几何信息,以及对应的属性字段。

它跟传统栅格瓦片最大的区别是:PNG/JPG瓦片加载出来就是一张图,不能改样式;而MVT加载的是“数据”,你可以前端随意改颜色、线宽、填充透明度,甚至做条件渲染。比如同一条道路数据,白天显示黑底白线,晚上切换成深色底黄线,前端完全不用重新请求瓦片。

从数据结构上看,一个MVT文件内部包含多个layer(图层),每个layer又包含若干feature(要素)。为了压缩体积,几何坐标在瓦片内部用的是相对于瓦片范围的整数坐标,缩放等级(extent)通常是4096。这也是后面很多坑的源头——坐标必须经过换算才能变成你熟悉的经纬度。

1.2 Cesium为什么不能直接读MVT

Cesium的核心渲染方式是Entity/Primitive体系,你要显示一条线,得创建一个Entity,设置它的polyline属性,然后加进Viewer里。这种方式是“一个一个对象”去管理的,跟MVT“一整块二进制数据批量解码”的思路完全不一样。

另外Cesium的官方定位是三维场景引擎,它更擅长的是加载glTF模型、3D Tiles、地形和影像服务。矢量数据的渲染管线、样式的解析器、文字碰撞避让这些能力,Cesium要么没有,要么做得比较基础。你让Cesium解析MapLibre那种功能丰富的style spec,它根本听不懂。

MVT的解码、经纬度换算、样式映射,这中间每一层都需要我们自己做“翻译”。所以核心问题不是“Cesium不支持MVT”,而是“Cesium缺少一条从MVT二进制到Entity对象的自动管道”。

1.3 既然这么麻烦,为什么还要在Cesium里用MVT

这个问题我当时也问过自己。如果你只是想在三维场景里显示一堆边界线,直接用GeoJSON不行吗?还真不太行。

一是数据量。一个城市的建筑物面GeoJSON,动辄几十上百MB,浏览器解析起来掉帧严重。而MVT切完瓦片后,每个瓦片只有几十到几百KB,按需加载,性能完全不是一个量级。

二是数据复用。很多团队的数据管线已经跑在MVT上了,省一套数据就是省一大笔维护成本。

三是MVT带属性。点击楼块弹出楼栋名称、层高、用途这些信息,靠栅格瓦片是做不到的,靠GeoJSON又扛不住大数据量。所以MVT和Cesium结合,本质上是一种“既要数据细粒度,又要大容量”的妥协方案,也是比较务实的选择。

2. 三种可行的加载方案,我帮你们趟了一遍

2.1 方案一:MVT实时转GeoJSON,用GeoJsonDataSource渲染

这个思路最简单,也是网上讨论最多的。用@mapbox/vector-tile把.pbf解析成GeoJSON要素,然后调用Cesium自带的Cesium.GeoJsonDataSource.load()渲染。适合数据量中等、对性能要求不是极端的场景。

好处是全程前端搞定,不用动后端,调试方便。坏处是Cesium的GeoJsonDataSource对单个数据源里的要素数量有上限,要素一多,加载和拾取都会变慢。我测过,一个Tile里几百个要素没问题,但如果同时加载十几个瓦片、要素总量上万,帧率就撑不住了。

2.2 方案二:MapLibre离屏渲染成图像,喂给Cesium当影像

这个方案看起来有点绕,但实际非常聪明。MapLibre GL本身对MVT的支持是原生的,样式解析、文字避让、碰撞检测都做得很好。我们可以在页面里放一个隐藏的MapLibre容器,让它按Cesium相机的位置渲染一张图片,然后把这张图片作为影像贴到Cesium的地球上。

好处是样式表现力最强,几乎等于把二维地图的渲染效果整个搬进三维场景。坏处是同步相机很麻烦,每次Cesium视角变化都要通知MapLibre重新渲染,而且离屏渲染有额外GPU开销。另外这样加载出来的矢量数据是“死”的,不能点击拾取属性。适合纯展示、视觉要求高的场景。

2.3 方案三:离线转换3D Tiles,走Cesium正统大道

如果数据量真的很大,比如一个省份的建筑白模,或者全国的路网,线上实时转换是扛不住的。正确的做法是后端离线把MVT转成Cesium的3D Tiles格式(b3dm或glb),再通过Cesium.Cesium3DTileset加载。

这是Cesium性能最好、官方最推荐的路线。缺点是转换流程复杂,需要装转换工具,改数据模型,而且3D Tiles一旦生成,前端改样式就不如MVT那么灵活了。适合数据基本固定、更新频率不高的生产环境。

我把三种方案整理成了一张对比表,方便你按项目情况选型:

方案 数据容量 样式灵活性 点击拾取 前端复杂度 适用场景
MVT转GeoJSON 中 中 支持 低 中小项目快速上线
MapLibre离屏渲染 较大 高 不支持 中 视觉展示优先
离线转3D Tiles 很大 低 支持 高 生产级大规模数据

我自己的使用习惯是:原型验证、中小范围用方案一;客户要求视觉效果极致时用方案二;真正要上线运行、数据几十GB级别的,直接上方案三。

3. 实战:手把手实现MVT到Cesium的解析加载

3.1 准备依赖和基础代码

方案一的落地代码最少,我用它来演示完整流程。先装两个关键的npm包:

BASH
npm install @mapbox/vector-tile pbf

同时确保项目里已经有Cesium的环境,比如通过CDN引入或者用Vite插件。这个就不展开了,Cesium初始化直接看下面这段:

JAVASCRIPT
const viewer = new Cesium.Viewer('cesiumContainer', {
baseLayer: Cesium.ImageryLayer.fromProviderAsync(
Cesium.OpenStreetMapImageryProvider.fromUrl(
'https://tile.openstreetmap.org/'
)
),
terrain: Cesium.Terrain.fromWorldTerrain(),
infoBox: false,
selectionIndicator: false,
});

这里我关掉了默认的infoBox和选择指示器,因为后面我们要自己写点击弹窗,默认的那套交互对矢量要素很鸡肋。

3.2 瓦片请求与解析

核心是把.pbf的ArrayBuffer交给VectorTile类解码,然后遍历图层和要素,生成GeoJSON。这一步是整个管线的“翻译官”。

JAVASCRIPT
import { VectorTile } from '@mapbox/vector-tile';
import Pbf from 'pbf';
 
async function parseMvtTile(url, x, y, z) {
const response = await fetch(url);
const arrayBuffer = await response.arrayBuffer();
const tile = new VectorTile(new Pbf(arrayBuffer));
const features = [];
 
for (const layerName of Object.keys(tile.layers)) {
const layer = tile.layers[layerName];
for (let i = 0; i < layer.length; i++) {
const tileFeature = layer.feature(i);
// 这里的 x, y, z 是当前瓦片的行列号和层级
const geojsonFeature = tileFeature.toGeoJSON(x, y, z);
geojsonFeature.properties.layer = layerName;
features.push(geojsonFeature);
}
}
 
return {
type: 'FeatureCollection',
features: features,
};
}

需要注意:toGeoJSON(x, y, z)里的参数顺序不能写错。x是列号,y是行号,z是层级。以XYZ规范的瓦片地址为例,https://tile.example.com/{z}/{x}/{y}.pbf,解析时传进去的就是同一组xyz。

如果拿到的MVT瓦片坐标是TMS规范(y轴方向相反),需要先做一次翻转:y = Math.pow(2, z) - 1 - y,否则解析出来的要素位置会在全球另一块地方,这个坑我在4.1里细讲。

3.3 瓦片坐标与经纬度换算

要把当前视野转换成需要请求哪些瓦片,得先搞懂Web墨卡托投影下的瓦片编号规则。全球被切分成2^z行2^z列,每个瓦片对应一个经纬度范围。

我直接给出两个常用的换算函数,这是整个动态加载的基础:

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

这里算出来的可能是小数,比如x=12.7,说明视野横跨第12和第13列瓦片,往下取整就是当前视野内要加载的瓦片范围。

跨过这层换算,你才能真正做到“相机移到哪里,瓦片加载到哪里”,而不是一次性把所有层级的瓦片全请求回来。全请求回来基本就卡死了,这是我第一个真实项目里最痛的领悟。

3.4 样式映射:把MapLibre的Paint翻译成Cesium的实体样式

MVT数据本身不带颜色,样式完全由前端决定。MapLibre里用paint属性表达样式,到了Cesium这边,就得翻译成Entity的材质和图形属性。

举个简单例子。假设原始数据里有道路和建筑两类要素,MapLibre样式是这样的:

JSON
{
"layers": [
{ "id": "road", "type": "line", "paint": { "line-color": "#e0a040", "line-width": 2 } },
{ "id": "building", "type": "fill", "paint": { "fill-color": "#808080", "fill-opacity": 0.6 } }
]
}

在Cesium里,我一般这么映射:

JAVASCRIPT
const dataSource = await Cesium.GeoJsonDataSource.load(geojson, {
stroke: Cesium.Color.GREY,
strokeWidth: 2,
fill: Cesium.Color.GREY.withAlpha(0.6),
});
 
// 再根据要素属性做细粒度调整
dataSource.entities.values.forEach((entity) => {
const props = entity.properties;
if (props && props.layer && props.layer.getValue() === 'road') {
if (props.class && props.class.getValue() === 'highway') {
entity.polyline.stroke = Cesium.Color.ORANGE;
entity.polyline.width = 4;
} else {
entity.polyline.stroke = Cesium.Color.fromCssColorString('#e0a040');
entity.polyline.width = 2;
}
}
});

这里有个关键点:GeoJsonDataSource.load()的样式参数是基于整个数据源的,粒度比较粗。要真正实现MapLibre那种“按图层、按属性值”精细化渲染,必须在加载完成后遍历entities,用entity.properties里的字段自己写样式逻辑。

实体样式更新完,记得调用dataSource.entities.values里每个entity的polyline、polygon等属性对应的set方法强制刷新,否则有时候Cesium不会自动重绘。

4. 踩坑记录:坐标系、裁切、性能,一个都别想跑

4.1 坐标系坑:Web墨卡托与经纬度的纠缠

MVT的内部存储基于Web墨卡托,但不同瓦片服务商给你的url里,坐标规范可能不一样。{x}/{y}这种最常见的是XYZ规范,也就是浏览器端标准。但是如果你接的是某些地信厂商的旧平台,可能是TMS规范,y轴是反的。

我当时接到一个数据源的瓦片地址,加载后所有要素都出现在南半球完全错误的位置。排查了半天,最后才发现是TMS的y轴问题,翻转一下就全对了:

JAVASCRIPT
const tmsY = Math.pow(2, z) - 1 - y;
const geojsonFeature = tileFeature.toGeoJSON(x, tmsY, z);

还有一个更隐蔽的问题:某些MVT服务返回的要素坐标已经是经纬度(EPSG:4326)而不是Web墨卡托(EPSG:3857)。前者在瓦片内会显得“歪”,几何比例不对。判断方法很简单,解析一个要素出来,看坐标值是否在-180到180、-90到90之间。

4.2 瓦片边界裁切坑:要素被“一刀切”了

MVT切瓦片的时候,为了保证视觉连续性,要素通常不会严格限制在瓦片边界内,而是会超出一点,这个参数叫buffer size,一般默认是64或者128像素。但@mapbox/vector-tile解析时默认按瓦片范围做了一次裁切,结果就是跨瓦片的道路、河流在边界处被齐齐整整切断了,拼接渲染时出现断线。

解决办法是调整解析时的容差。@mapbox/vector-tile内部没有暴露这个参数,但很多生产方案会用vt2geojson这类工具,或者在解析后用相邻瓦片的数据做拼接。如果只是展示用,我建议最简单的方式:在请求瓦片时把相邻一圈瓦片也拉回来做渲染,数据量翻几倍,但视觉上断线问题就消失了。

这个取舍要看项目。叫我推荐的话,静态展示用扩大加载范围,交互分析用严格拼接,两边方案我都跑过,效果都不错。

4.3 性能与抽稀

Cesium的Entity数量一多,渲染和拾取的性能会呈指数级下降。我实测过,一台普通开发机上,超过1万个polyline/polygon实体,操作视角就会明显掉帧。

所以动态加载MVT时,一定要做抽稀和减面。具体有三个手段:

第一,根据当前层级决定渲染精度。视野zoom小的时候,加载低层级瓦片,几何可以简化,不用显示每栋楼的细节。第二,过滤掉过小的图形。比如面积小于屏幕几个像素的建筑面,直接丢弃。第三,如果某些图层只是为了视觉底图,可以用方案二把它们渲染成影像,省掉实体管理开销。

JAVASCRIPT
// 简易面积过滤示例
function filterSmallPolygons(feature, minArea) {
if (!feature.geometry || feature.geometry.type !== 'Polygon') return true;
const area = calculatePolygonArea(feature.geometry.coordinates);
return area >= minArea;
}

这里的minArea要根据当前zoom动态计算,避免近处大要素被误删、远处小要素又被保留的尴尬。

4.4 常见问题速查表

现象 可能原因 解决方式
要素跑到南半球或位置完全错乱 TMS/XYZ的y轴方向不对 做y = 2^z - 1 - y翻转
坐标值极不合理(超出经纬度范围) 服务返回的坐标已是非3857投影 确认数据源投影,做投影换算
跨瓦片的线/面被切断 瓦片边界裁切容差不足 扩大加载范围或拼接相邻瓦片
要素越多越卡,帧率骤降 Entity数量超限 抽稀、过滤、改用影像渲染方案
样式改了不生效 属性字段名取值错误 打印entity.properties检查字段类型和值类型
点击要素弹不出属性 GeoJsonDataSource的pick事件未正确绑定 用viewer.pick后从dataSource.entities中匹配

表格里最后一行提到的点击拾取,我在5.3里会给完整代码。

5. 进阶:结合相机状态做按需加载

5.1 基于Camera的视野范围计算

光会解析瓦片还不够,关键是让瓦片跟着相机走。这一步用到Cesium的camera.computeViewRectangle()方法,它能返回当前视野对应的经纬度矩形范围。

JAVASCRIPT
function getVisibleTiles(viewer, zoom) {
const rect = viewer.camera.computeViewRectangle();
if (!rect) return [];
// rect.west/south/east/north 是弧度值,换算成角度
const west = Cesium.Math.toDegrees(rect.west);
const south = Cesium.Math.toDegrees(rect.south);
const east = Cesium.Math.toDegrees(rect.east);
const north = Cesium.Math.toDegrees(rect.north);
 
const tiles = [];
const minX = Math.floor(lonToTileX(west, zoom));
const maxX = Math.floor(lonToTileX(east, zoom));
const minY = Math.floor(latToTileY(south, zoom));
const maxY = Math.floor(latToTileY(north, zoom));
 
for (let x = minX; x <= maxX; x++) {
for (let y = minY; y <= maxY; y++) {
tiles.push({ x, y, z: zoom });
}
}
return tiles;
}

这里有个细节:computeViewRectangle()是Cesium比较新的API,老版本可能没有,需要用camera.getPickRay加椭球求交自己算。如果项目里Cesium版本太老,建议先用官方升级到较新版本,省得自己造轮子。

5.2 瓦片调度与防抖

相机连续移动时,视野矩形几乎每帧都在变。如果每帧都去请求瓦片,同一块区域会重复加载,浏览器请求队列直接被打爆。我当前的实现是:相机stop事件触发一次瓦片刷新,并且在请求前加一个300ms的防抖。

JAVASCRIPT
let refreshTimer;
viewer.camera.moveEnd.addEventListener(() => {
clearTimeout(refreshTimer);
refreshTimer = setTimeout(() => {
loadTilesForCurrentView(viewer);
}, 300);
});

同时还要维护一个已加载瓦片的Key集合(比如z/x/y拼接的字符串),已经加载过的瓦片直接跳过,避免重复解析:

JAVASCRIPT
const loadedTileKeys = new Set();
 
async function loadTilesForCurrentView(viewer) {
const zoom = getCurrentZoom(viewer);
const tiles = getVisibleTiles(viewer, zoom);
for (const t of tiles) {
const key = `${t.z}/${t.x}/${t.y}`;
if (loadedTileKeys.has(key)) continue;
loadedTileKeys.add(key);
const geojson = await parseMvtTile(buildTileUrl(t.x, t.y, t.z), t.x, t.y, t.z);
const ds = await Cesium.GeoJsonDataSource.load(geojson, defaultStyle);
viewer.dataSources.add(ds);
}
}

getCurrentZoom可以通过相机高度推算,也可以用viewer.camera.positionCartographic.height配合一个经验分段函数去映射,不同项目的地形起伏不一样,具体数值要自己调。

5.3 再加一个点击拾取,属性秒弹

最后一个加分项是点击交互。方案一的MVT数据源里,每个要素自带属性,稍微处理一下就能做点击弹窗:

JAVASCRIPT
viewer.screenSpaceEventHandler.setInputAction((click) => {
const picked = viewer.scene.pick(click.position);
if (Cesium.defined(picked) && picked.id) {
const entity = picked.id;
if (entity.properties && entity.properties.name) {
const name = entity.properties.name.getValue();
const layer = entity.properties.layer.getValue();
// 自定义一个弹窗或InfoBox
showInfoPanel(name, layer, entity.properties);
}
}
}, Cesium.ScreenSpaceEventType.LEFT_CLICK);

注意viewer.scene.pick返回的是最靠近镜头的对象,如果场景里有地形、模型,可能pick到别的物体,需要判断picked.id是不是我们创建的矢量实体。

这套“MVT解析 + 视野调度 + 属性拾取”的组合我跑了两个项目,一个市政设施展示,一个园区建筑管理,稳定性和交互体验都够用。如果你做的只是纯展示,方案二更省心;如果要做大规模生产系统,还是老实转3D Tiles。但无论选哪条路,MVT在Cesium里被“驯服”的感觉,确实比直接塞一堆GeoJSON痛快多了。最后再分享一个小技巧:本地调试MVT解析时,别急着接真数据,先用一个固定的、已知坐标的瓦片做单元测试,把解析结果打出来对比原始数据的坐标范围,确认无误再上动态加载。这套流程能帮你把上面提到的坑提前拦下来一大半。

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
基于STM32的Modbus TCP多主站数据监测
Modbus TCP通信协议在STM32上实现,STM32作为服务器采集内部传感器数据,并通过ADC进行转换,存入寄存器。两个PC机作为客户端访问服务器,服务器通过Socket通信实现监听连接,将数据发送给客户端。
FPGA小白菜