Cesium加载MVT矢量瓦片的三种方案与实操指南

MVT矢量瓦片Cesium
于 2026-10-29 06:02:15 修改
·本内容遵循CC 4.0 BY-SA版权协议

1. MVT到底是什么,为什么三维GIS绕不开它

做GIS开发的同行,这两年应该没少在项目里碰到MVT这个词。MVT全称Mapbox Vector Tiles,是Mapbox提出的一种矢量瓦片编码规范,本质是把地理数据按金字塔层级切分成一个个二进制瓦片,每个瓦片里存的是几何要素、属性字段和图层信息,用Protocol Buffers压缩编码。相比传统栅格瓦片,MVT不再把地图渲染成固定图片,而是把数据本身交给前端,由渲染引擎实时决定怎么画。这个思路直接改变了Web GIS的架构方式。

我最早接触MVT是在做Web端大屏项目时,栅格瓦片在高分屏上放大后显示模糊,切图服务磁盘占用也大。后来换成MVT,数据量小一个数量级,而且样式更新不需要重新切图,改个JSON样式文件就能全局换皮。最直观的理解可以把MVT比作网页里的矢量字体——存的是字形轮廓而不是光栅图,放大多少倍都清晰锐利,体积还小得多。

不过MVT在二维WebGIS里用得再顺手,到了三维场景就成了另一码事。Cesium作为目前最流行的开源三维地球引擎,原生支持3D Tiles、GeoJSON、KML这些格式,却偏偏不直接支持MVT。很多刚从二维切到三维的团队,拿着浏览器访问MVT服务的地址往Cesium里扔,Cesium根本读不了。这个状况导致一个很尴尬的现实:数据源头越来越多地用MVT输出,到了三维展示却要先折腾一步转换或者二次开发。

解决这个问题的思路大体有三条:一是用Cesium后端服务把MVT转成3D Tiles;二是借助Cesium的ImageryProvider接口,把MVT解码成图片喂给Cesium当底图用;三是写一个自定义数据源,解析MVT并在Cesium里直接绘制成矢量要素。三条路各有适用场景,本文会逐一讲透,并给出我从实际项目中踩坑攒下来的实操细节。

2. 思路拆解:从二维矢量瓦片到三维场景的三条路线

2.1 为什么不能直接加载:数据模型差的不是一点半点

要理解加载方案的取舍,先得知道Cesium和MVT在数据模型上的根本差异。MVT的核心结构是“瓦片金字塔”,每个瓦片用行列号标识,瓦片内部是uint32编码的长度前缀字段,包含图层名、要素几何、属性表,几何坐标采用512或4096单位的整数网格,需要配合tile的extent做归一化换算。Cesium的三维场景则建立在全球椭球体上,所有数据最终都要归一到ECEF(地心地固坐标系)或局部ENU坐标系中。

这意味着MVT里的每个坐标都是“瓦片内相对坐标”,和真实经纬度之间隔着一个瓦片范围换算的过程。Cesium不认识MVT的二进制容器,也没有内置解码器,所以直接把MVT地址塞给Cesium的viewer.imageryProvider,只会得到一个“Unsupported format”或者干脆白屏。初期项目里,我见到有同事试图用Cesium的GeoJSONDataSource去请求MVT,折腾一天结果自然是失败。所以第一件事要认清:这需要一个桥接层,谁来当这个桥接层,取决于你的渲染目标。

如果目标是给三维地形或影像做矢量标注、叠加路网、显示行政边界,那么用ImageryProvider方案最合适;如果目标是让矢量要素能够被点击拾取、实时高亮、与业务数据联动,那必须走自定义解码绘制的路线;如果数据量特别大,需要流畅的LOD调度,那转3D Tiles是长远最优解。

2.2 方案A:后端转换MVT为3D Tiles

这个方案本质上不在Cesium端做任何处理。用现成的工具(比如TileServer GL、cesium-terrain-server配合转换脚本,或者基于MapLibre的MVT转B3DM工具)定时把MVT服务拉取并重建成3D Tiles数据,Cesium直接加载生成的tileset.json。优点是一劳永逸,Cesium原生支持3D Tiles,性能最好;缺点是数据有延迟,如果原始MVT更新频繁,重建成本很高,而且需要额外的服务器资源做转换。

适合的场景是数据更新不频繁的基础底图,比如全国行政区划、路网骨架、水系分布。我实际在一个省级路网项目里用这种方式,把MVT按zoom 0到14转换生成3D Tiles,Cesium加载很流畅,几十万个线要素没什么压力。转换工具我推荐使用MapTiler的tileserver-gl加上另写脚本导出,或者直接用northvector/mvt2tiles这类开源方案。操作步骤大概可以总结为:先起一个本地MVT服务,再用转换工具逐级读取,最后将输出布置到静态文件服务器,Cesium的Cesium3DTileset直接指向tileset.json即可。

2.3 方案B:用ImageryProvider把MVT渲染成影像层

这是大多数团队快速上手的首选。思路是把MVT丢给一个能识别它的渲染引擎(通常是MapLibre GL JS),渲染出瓦片图片,然后通过Cesium的UrlTemplateImageryProvider或者自定义Provider把渲染结果叠加到地球表面。这样做的好处是开发成本极低,前端只需要在Cesium容器里隐藏一个MapLibre实例,或者部署一个瓦片渲染服务,让Cesium通过图片URL去请求。

可以类比把MVT当做了“半透明底图”,Cesium只关心渲染后的影像瓦片,不关心矢量数据的细节。这个方案里,点击拾取矢量属性比较困难,因为Cesium拿到的只是图片,属性信息在图片像素里不存在。不过如果要的只是视觉叠加,这个短板完全可以接受。

具体实现上,我推荐用MapLibre GL JS作为渲染引擎,因为它兼容MVT规范,样式配置灵活。MapLibre渲染完成之后,可以通过canvas的toDataURL导出图片,或者更高效的方式是直接在MapLibre内部设置一个隐藏canvas,用Cesium每帧请求指定瓦片坐标的图片。另一种更工程化的做法是用现成的瓦片渲染服务,比如tileserver-gl,它能把MVT渲染为PNG瓦片,Cesium用标准XYZ模板地址就能加载。这个方案对团队前端技术栈要求低,后端一个Docker容器就能搞定。

2.4 方案C:自定义数据源解码绘制(真正把MVT融进三维实体)

如果你想在三维场景中让MVT里的要素具备“实体感”,可以被拾取、高亮、绑定属性弹窗,那必须走自定义数据源这条线。这个方案工作量最大,也最灵活。核心步骤可以拆成四步:请求MVT数据、解码PB二进制、坐标转换、逐要素绘制。

解码这一步建议直接用mapbox/vector-tile-js这个JavaScript库,它能把ArrayBuffer解析成GeoJSON格式的要素集合。坐标转换是重头戏,需要把瓦片内相对坐标转成经纬度,公式其实不复杂,我在项目里写过一个完整实现,会在第五节详细展开。绘制阶段可以用Cesium的CustomDataSource添加Polyline、Polygon、Point实体,也可以细粒度地使用CallbackProperty实现动态更新。

这套方案的难点在于MVT中几何类型复杂,有Point、LineString、Polygon,每种类型都要写对应的实体生成逻辑;另外MVT的坐标是Z字曲线排序的,需要还原成真实坐标顺序,处理不恰当会出现线乱连、多边形自交的诡异效果。但一旦调通,你会拿到一个完全可控的三维矢量层,交互体验比图片方案高一个档位。

3. 实操之前:环境与依赖准备

3.1 工具选型与版本说明

我需要先声明一点,MVT规范是Mapbox提出的,但现在已经开源,Cesium加载MVT的方案选择很多,我下面使用的技术组合都是目前社区最稳定的:

  • Cesium:推荐使用 1.100 以上版本,对ES模块和3D Tiles支持更好,我这里用1.111示例。
  • MapLibre GL JS:v3之后的版本对MVT支持更完善,样式标准兼容Mapbox Style Spec。
  • vector-tile-js:基于mapbox的官方解码库,npm包版本3.x,依赖pbf解析器。
  • pbf:Protocol Buffers解码库,decode MVT时用的,vector-tile-js内部已经依赖它,但在自定义方案里你可以直接用pbf写更底层的解析。
  • tileserver-gl:可选,Docker部署,用于方案B的瓦片渲染服务。

在动手之前,先检查你的MVT数据源地址是否能正常访问。常见格式是http://host:port/data/{z}/{x}/{y}.pbf,你要确认返回的Content-Type是application/x-protobuf,同时注意CORS跨域问题,开发阶段至少给静态服务器加上Access-Control-Allow-Origin头。

3.2 MVT数据源准备

如果手上没有现成MVT数据,可以用国内公开的样例服务测试,比如OSM的矢量瓦片服务,或者用Tippecanoe自己切一份测试数据。我建议初学者先用一份小范围、图层结构简单的MVT,比如只包含道路和边界两个图层,这样调试效率高很多。

我常用Tippecanoe做测试数据,安装后一条命令即可:

BASH
tippecanoe -o output.mbtiles -Z 0 -z 14 -l road input.geojson

这个命令会把input.geojson切到zoom 0到14的MVT瓦片,存入output.mbtiles。注意当你用tileserver-gl发布这个mbtiles时,它提供的服务路径就是标准XYZ格式,可以直接用。

4. 核心细节解析:MVT的解码、坐标与绘制原理

4.1 MVT二进制格式的精髓

MVT数据本质上是一个Protocol Buffers消息块。顶层Message包含若干图层(layer),每个图层有name、extent、version和features数组。每个feature由id、tags、type和geometry组成。tags是属性键值对的索引,指到layer的keys和values数组;geometry则是按照规范编码的几何命令序列。

理解geometry编码是关键。MVT的几何编码采用“命令-参数”模式,每条命令包含Moveto、Lineto、Closepath三种类型之一,数字通过zigzag编码压缩。这样的设计使得一次move、大量line、一次close的组合能紧凑地表示一条折线或一个多边形。解码时,你需要逐条解析这些命令,把相对坐标累加成绝对坐标,再除以extent并乘以瓦片地理范围,最终得到经纬度。

我用一组简单的数据来描述这个过程:

假设一个瓦片范围为[xmin, ymin, xmax, ymax],瓦片坐标系的extent为4096,则某要素的点(px,py)对应的经纬度:

TEXT
lon = xmin + (px / 4096) * (xmax - xmin)
lat = ymax - (py / 4096) * (ymax - ymin)

注意lat是用ymax减,因为屏幕坐标系y轴向下,而地理纬度向上。很多初学者在这里搞反,画出来的要素跑到海里了。

4.2 坐标转换的完整公式

如果你用的是vector-tile-js,它已经替你完成了从命令到几何坐标的解码,输出成GeoJSON时,坐标是瓦片像素坐标(以extent为基准),你仍需要把这个坐标换算成经纬度。我封装了一个函数:

JAVASCRIPT
function tileToLonLat(x, y, z, tx, ty) {
const n = Math.PI * 2 / 256; // 近似公式,更精确请看下方
const lon = tx / Math.pow(2, z) * 360 - 180;
const lat = Math.atan(Math.sinh(Math.PI * (1 - 2 * ty / Math.pow(2, z)))) * 180 / Math.PI;
return [lon, lat];
}

这是Web Mercator投影下的瓦片坐标换算公式。利用这个函数可以算出某瓦片对应的经纬度范围。求解瓦片范围的完整代码我放在后面第5.3节。

4.3 属性与样式的取舍

MVT的图层设计自由度很高,一个瓦片内可以混合多个图层,每个图层有独立的extent。加载进Cesium时,你要决定哪些图层显示、哪些图层隐藏。我一般给自定义数据源增加一个filter参数,类似于:

JAVASCRIPT
const filters = {
road: { maxZoom: 18, color: Cesium.Color.YELLOW, width: 3 },
boundary: { maxZoom: 12, color: Cesium.Color.RED, width: 2 }
};

这个filter对象还可以扩展成按属性过滤,比如只看等级为高速的公路。这部分是业务耦合的,通用库不会帮你做,但在实际项目里往往是最核心的需求。

4.4 为什么高频刷新场景优先考虑解码绘制

再补充一点我的个人经验:如果项目里的MVT服务更新非常频繁,比如实时路况、车辆轨迹,方案A每次重建3D Tiles的成本太高,方案B的图片瓦片有缓存延迟,此时方案C几乎成了唯一解。方案C能做到每次请求新瓦片、解码、重绘,秒级生效。代价是对前端解码性能要求高,好在MVT本身轻量,现在浏览器处理PB解码速度很快,万级要素规模不会成为瓶颈。

5. 实操过程:用代码把MVT加载到Cesium里

5.1 第一步:搭建Cesium基础场景

先把基础场景搭起来,这里用的是Cesium的Viewer,关闭不必要的控件加快加载速度,设置光照让矢量数据有立体感:

JAVASCRIPT
const viewer = new Cesium.Viewer('cesiumContainer', {
imageryProvider: Cesium.createWorldImagery({
style: Cesium.IonWorldImageryStyle.AERIAL
}),
terrainProvider: Cesium.createWorldTerrain(),
baseLayerPicker: false,
geocoder: false,
homeButton: false,
sceneModePicker: false,
navigationHelpButton: false,
animation: false,
timeline: false,
fullscreenButton: false
});
viewer.scene.globe.depthTestAgainstTerrain = false;

注意depthTestAgainstTerrain要设置成false,否则矢量会被地形遮挡导致看不见。

5.2 第二步:请求与解码MVT

我采用方案C作为主示例,因为它最通用,也是你从零迁移到三维最好的学习路径。首先写一个加载瓦片的函数,本质上就是一个XYZ请求,加一个ArrayBuffer解封装:

JAVASCRIPT
async function loadTile(z, x, y, urlTemplate) {
const url = urlTemplate.replace('{z}', z).replace('{x}', x).replace('{y}', y);
const res = await fetch(url, {
headers: { 'Accept': 'application/x-protobuf' }
});
const buffer = await res.arrayBuffer();
const tile = new VectorTile(new Pbf(buffer));
return tile;
}

这里用到了pbf和vector-tile-js,安装方式:

BASH
npm install @mapbox/vector-tile pbf

5.3 第三步:瓦片范围计算

在绘制前,需要把xyz转成经纬度范围。这个函数我用了多次,直接复制可用:

JAVASCRIPT
function tileToBBox(x, y, z) {
const minLon = (x / Math.pow(2, z)) * 360 - 180;
const maxLon = ((x + 1) / Math.pow(2, z)) * 360 - 180;
const minLatRad = Math.atan(Math.sinh(Math.PI * (1 - 2 * (y + 1) / Math.pow(2, z))));
const maxLatRad = Math.atan(Math.sinh(Math.PI * (1 - 2 * y / Math.pow(2, z))));
return {
west: minLon,
south: minLatRad * 180 / Math.PI,
east: maxLon,
north: maxLatRad * 180 / Math.PI
};
}

注意这里的y坐标是Web Mercator中的瓦片行号,通常MVT服务也是按该规则组织,如果你的服务用TMS的y翻转,记得用 (Math.pow(2,z)-1-y) 替换。

5.4 第四步:坐标转换与实体绘制

解码得到每个图层的features后,遍历geometry。vector-tile-js返回的geometry是GeoJSON类型坐标,但仍是瓦片坐标体系。我们将每个feature的坐标数组换算成经纬度:

JAVASCRIPT
function convertCoords(coords, bbox, extent) {
return coords.map(([px, py]) => {
const lon = bbox.west + (px / extent) * (bbox.east - bbox.west);
const lat = bbox.south + (1 - py / extent) * (bbox.north - bbox.south);
return [lon, lat];
});
}

注意extent取当前图层extent字段,不是固定值。然后把转换后的坐标构建成Cesium实体。点要素用Cesium.PointPrimitiveCollection聚合效率更高,线面则用Polyline/Polygon。

JAVASCRIPT
function addFeatureToViewer(feature, bbox, extent) {
const geom = feature.geometry;
if (feature.type === 1) { // POINT
const coords = convertCoords([geom.coordinates], bbox, extent)[0];
viewer.entities.add({
position: Cesium.Cartesian3.fromDegrees(coords[0], coords[1]),
point: { pixelSize: 6, color: Cesium.Color.RED }
});
} else if (feature.type === 2) { // LINE
const positions = geom.coordinates.map(coord => convertCoords(coord, bbox, extent));
viewer.entities.add({
polyline: {
positions: Cesium.Cartesian3.fromDegreesArray(positions.flat()),
width: 2,
material: Cesium.Color.YELLOW
}
});
}
}

feature.type在vector-tile-js中对应是1/2/3,分别代表点、线、面,这个常量在常量类中有定义。

5.5 第五步:按视口动态加载瓦片

Cesium场景是动态视野,你必须根据当前视角的经纬度范围动态加载对应zoom的瓦片。一个有效的办法是监听相机变化,计算当前屏幕对应的经纬度范围,然后按某个zoom请求覆盖这些瓦片。为了避免频繁请求,需要加入瓦片缓存和去重逻辑。

我实现过一个简单的瓦片管理器,核心伪代码如下:

JAVASCRIPT
const cache = new Map();
const urlTemplate = 'http://your_mvt_server/{z}/{x}/{y}.pbf';
 
function onCameraChanged() {
const rect = viewer.camera.computeViewRectangle();
if (!rect) return;
// 根据范围计算需要请求的瓦片坐标集合
const tiles = getCoveringTiles(rect, currentZoom);
tiles.forEach(({ z, x, y }) => {
const key = `${z}/${x}/${y}`;
if (cache.has(key)) return;
cache.set(key, true);
loadTile(z, x, y, urlTemplate).then(tile => {
drawTile(tile, z, x, y);
});
});
}
viewer.camera.changed.addEventListener(onCameraChanged);

getCoveringTiles需要把经纬度范围映射为瓦片行列号,核心公式:

JAVASCRIPT
function lonToTileX(lon, z) {
return Math.floor((lon + 180) / 360 * Math.pow(2, z));
}
function latToTileY(lat, z) {
const rad = lat * Math.PI / 180;
return Math.floor((1 - Math.asinh(Math.tan(rad)) / Math.PI) / 2 * Math.pow(2, z));
}

注意这是异步流程,瓦片返回的顺序可能和请求顺序不一致,需要在drawTile前判断当前范围是否已经移动,避免把过期的瓦片画到新视图上。

5.6 方案B的快速实现参考

如果你只想要一个能跑能看的demo,方案B肯定更快。使用tileserver-gl很简单,Docker一条命令:

BASH
docker run --rm -it -v $(pwd):/data -p 8080:80 maptiler/tileserver-gl --file data.mbtiles

然后Cesium里加载:

JAVASCRIPT
const imageryProvider = new Cesium.UrlTemplateImageryProvider({
url: 'http://localhost:8080/data/{z}/{x}/{y}.png',
maximumLevel: 18
});
viewer.imageryLayers.addImageryProvider(imageryProvider);

如果你没有tileserver-gl,也可以用MapLibre GL JS的canvas渲染图片,把MapLibre的canvas作为Cesium的材质源,但这个做法复杂一些,不建议新手一开始就尝试。

6. 常见问题与排查技巧实录

6.1 瓦片加载404或者白屏

最常见的问题就是瓦片路径不对,尤其是y轴翻转。MVT服务通常使用XYZ坐标(y轴从北往南),但有的服务采用TMS(y轴从南往北)。排查办法很简单:打开浏览器网络面板,看请求的URL和实际服务端返回的内容,如果404说明行列号超出范围,如果返回空说明数据源没有该层级。TMS和XYZ的y转换公式是 y_tms = (2^z - 1) - y_xyz。

在代码里,如果你发现某个层级的瓦片总有一半区域空白,赶快检查是不是y轴翻转。

6.2 矢量要素错位或漂移

坐标错位的原因有几种:一是忘掉设置extent,或者用了错误的extent;二是经纬度换算公式中y方向反了;三是MVT服务的数据不是Web Mercator而是WGS84直接切图。我遇到过用WGS84经纬度切成MVT,导致换算无法对齐,这种情况要先把源数据做投影转换。

排查方法可以自己写一个小工具,在指定的瓦片范围内随机生成一组点,再手动打印某个要素的经纬度坐标和真实地图对比,如果偏得离谱,八成是公式问题。如果只是轻微偏移,可能是大地水准面问题,但这种在MVT里很少见。

6.3 层级切换时要素闪烁

闪烁一般是瓦片重复加载或清除逻辑有问题。我在动态加载瓦片时,曾遇到相机小范围移动触发大量瓦片重新请求,画面上来回闪烁。解法是给瓦片绘制加一个缓冲区,只有当旧瓦片完全离开视口后才清除,或者对请求做防抖,在相机停止后200毫秒再发起请求。

6.4 大量要素导致卡顿

如果要素动辄几十万,用viewer.entities.add一个一个加必然卡死。你必须改用Primitive API或者PointPrimitiveCollection、PolylineCollection。我在路网项目里,用PolylineCollection批量添加线要素,性能比Entity提高至少5倍。结构如下:

JAVASCRIPT
const polylines = new Cesium.PolylineCollection();
viewer.scene.primitives.add(polylines);
polylines.add({
positions: Cesium.Cartesian3.fromDegreesArray(coords),
width: 2,
material: Cesium.Color.fromCssColorString('#ffaa00')
});

终极方案是使用CustomShader或GeometryBatch,但中小项目用Collection足够。

6.5 属性拾取怎么实现

如果你的方案B是图片瓦片,那属性拾取几乎不可能。方案C里拾取就简单多了,Cesium的ScreenSpaceEventHandler可以获取点击位置的经纬度,然后遍历当前视口内的要素做点包含判断。简化版本用Cesium的pickEntity自动拾取,前提是你在添加Entity时设置id为feature的属性对象:

JAVASCRIPT
const entity = viewer.entities.add({...});
entity.properties = feature.properties;

然后通过pickEntity的id拿到属性,制作Popup。这一步完全是业务逻辑,可以根据需要自行实现。

6.6 服务端CORS问题

浏览器直接fetch MVT需要服务端允许跨域。如果你使用的是开发环境,可以本地起临时代理解决;生产环境务必让运维配置好CORS头:

TEXT
Access-Control-Allow-Origin: *

或者指定你的前端域名。这个坑很常见,不配置的话浏览器报CORS错误,很多人误以为解码有问题,排查半天实际只是网络请求被拦截了。

7. 进一步扩展:MVT与3D Tiles的效率对比

最后聊聊我实际项目中的一个体感。同样一份全国道路网数据,切成MVT后全部矢量要素在二维瓦片里占磁盘大约3GB,三维场景用3D Tiles转换后大约500MB,加载速度后者明显更快。这是因为3D Tiles在调度时对数据做了更精细的空间剔除,离相机远的要素直接不加载,而MVT的瓦片是一整块下载,无法按需细分。

如果你同时存在二维和三维项目,我建议统一数据源为MVT,再按需转换为3D Tiles。底图数据变化不频繁的用转换方案,底图数据变化频繁的用方案C。我在某个智慧园区项目里,园区内部路网MVT每天更新,用了方案C实时刷新路面状态;园区周边建筑底图一个月才更新一次,直接转过3D Tiles。这样组合下来,既保证了数据时效,又维持了交互流畅度。

MVT在三维场景中的加载方案现在还处于群雄并起的阶段,新工具层出不穷,但底层原理不变。把坐标换算、属性解析、渲染调度这三个基本功打牢,不管前端框架怎么演进,你都能快速迁移。我这几套代码已经在多个项目里跑过,你直接按住不改也能跑通大部分场景,真遇到特殊需求再往上层加策略就是。

最后再分享一个小技巧:调试MVT时,不要急着接三维,先在二维MapLibre里把数据源URL加进去验证样式和数据正确性,二维没问题再进三维排解码和坐标的错。这样能把问题隔离干净,省掉很多联调时间。

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
import-im6.q16: attempt to perform an operation not allowed by the security policy `PS‘ @ error/cons
这六个 policy 是使用 XML 格式描述的安全策略。要将其中的限制注释掉,在每个 policy 开始和结束的标记之间添加注释标记“
山山而川_R