MVT数据接入Cesium的完整指南:从格式原理到deck.gl实战

MVTCesium矢量切片
于 2026-10-29 05:02:53 修改
·本内容遵循CC 4.0 BY-SA版权协议

最近好几个读者都卡在同一个问题上:手里的MVT数据明明没问题,在MapLibre里测试显示正常,可一到Cesium就加载不出来。Cesium加载MVT格式的完整链路,从格式本身到选型、实现、踩坑,我这次全拆开讲,一篇讲透。

MVT(Mapbox Vector Tile)是矢量切片的事实标准。它跟传统图片瓦片最大的区别是:网络传输的不是"渲染好的图片",而是"待渲染的矢量数据"。一个MVT瓦片里装的是几何坐标、属性字段、图层名,最终画成什么样完全由前端渲染决定。这个特性在Cesium场景里特别有价值——你可以把几十MB的GeoJSON打成几KB的MVT切片,还能源源不断更新属性。

这篇博文适合这几类人:GIS前端开发、Cesium使用者、给自家业务做海量地理数据展示的工程师,以及那些正在被"地图白屏、要素漂移、相机不同步"折磨的人。我会先把技术原理讲明白,把方案选型对比给你,然后放上可直接跑通的代码,最后把我在真实项目中踩过的坑全交代出来。

1. MVT格式是地理数据界的"高清矢量底片":结构拆解与Cesium读不懂的原因

1.1 从栅格瓦片到矢量瓦片:不只是文件格式变了

先说个类比。栅格瓦片像打印好的纸质地图——你在服务端打印了几百个缩放级别的图,客户端按坐标取回来直接展示,改样式就得重新打图。矢量瓦片像Photoshop里的图层源文件——体积小、包含完整几何和属性,客户端拿到后想怎么渲染就怎么渲染。

放在数据层面看差异更直观。一份全国道路数据,做成GeoJSON可能有几百MB,浏览器解析后内存占用轻松上GB;打成矢量切片后,按zoom分级,道路在低级别粗略、高级别精细,总量通常只有原始数据的十分之一,而且客户端每次只加载当前视野内的几片,内存占用被控制在合理范围。这就是为什么在海量矢量数据的场景里,MVT几乎是绕不开的选择。

1.2 MVT瓦片里面到底装了什么

MVT规范定义得非常精简,一个瓦片文件的内部逻辑结构是:tile包含多个layer,layer包含多个feature,feature里有geometry和properties。每个字段都有固定的协议编号,用Protocol Buffers编码,这就是为什么MVT文件是二进制而不好直接肉眼阅读。

这里有几个关键细节值得展开:

  • 坐标体系:瓦片内的几何坐标是局部整数坐标,完整信源缩放范围通常约定为0~4096,与浏览器显示的像素尺寸无关。客户端拿到的原始数据就是这些局部整数,需要根据该瓦片实际的extent值换算成经纬度,才能进入通用渲染管线。不同切图工具用的extent可能不一样,Tippecanoe默认4096,有些工具用的是512或8192,拿到数据后要提前确认识别。
  • 几何压缩:坐标用ZigZag编码和有符号增量编码存储。简单说就是把相邻点的坐标差值存起来,让数值普遍更小、压缩率更高,这也是MVT体积极小的原因之一。
  • 属性表:每个feature的属性是一组key-value对,key和value分开存储,value可以不是统一类型,protobuf里通过type字段标记。

如果你用Tippecanoe切过数据就更容易理解了:tippecanoe -o roads.mbtiles roads.geojson --drop-densest-as-needed,它做的事情就是把GeoJSON细化到不同zoom级别的瓦片里,每一层瓦片的feature都按LOD做了抽稀。你拿到mbtiles之后,要发布成/tiles/{z}/{x}/{y}.pbf这样的接口,或者直接用现成的矢量瓦片服务,这是后话。

1.3 Cesium读不了MVT的根源是什么

Cesium原生支持的数据格式有GeoJSON、KML、CZML、3D Tiles,但不支持MVT。原因不复杂:

  • 从协议层看,MVT是"瓦片坐标+protobuf",Cesium没有内置这套Tile Request和解码管线;
  • 从数据模型看,Cesium更习惯把矢量数据转成Entity/GeoJSONDataSource,而MVT一个瓦片里动辄几千个feature,直接全量转换成Entity,CPU和GC都能被拖垮;
  • 从坐标系看,MVT基于Web Mercator(EPSG:3857),Cesium内部用WGS84椭球坐标系(EPSG:4326和ECEF)。

归根到底,要做的事情就是:要么让Cesium开口说MVT的语言,要么找一个会MVT的渲染器,把解析出来的结果画到Cesium场景里。这就引出了下面三条路线。

提示:如果你是第一次接触MVT,建议先在MapLibre或Mapbox GL里把MVT渲染跑通一次,再回来做Cesium。这能帮你区分"数据问题"和"Cesium集成问题"。

2. 三条技术路线对比:MapLibre叠加、自研解码、deck.gl MVTLayer

2.1 方案A:MapLibre GL JS + Cesium混合渲染

这是最"省心"的做法之一。MapLibre GL JS原生支持MVT,你只要在MapLibre里配置好style,加载MVT数据,然后把MapLibre地图容器悬浮在Cesium容器上面。

实现路径大概是:

  • 在页面上把Cesium和MapLibre的DOM容器叠在一起,Cesium在下、MapLibre在上;
  • 让MapLibre地图关闭交互(interactive: false);
  • 监听Cesium相机的changed事件,把Cesium的相机状态转成MapLibre能用的center/zoom/bearing/pitch,同步调用map.jumpTo()。

这种方式适合在3D地球底图上叠加2D矢量图层,视觉上比较整齐,操作逻辑简单。我实际用它做过一个"全国河流数据在三维地形上的叠加"原型,整体代码量不算大,MapLibre的样式语言表达能力很强,河流宽度、地名注记都能直接用Mapbox Style规格写。

但它有明显的天花板:MapLibre是一个独立的2D渲染引擎,叠加层本质上是DOM元素盖在Cesium上,不是Cesium场景里的原生对象,还带有半透明底色的覆盖效果。一旦把Cesium旋转到比较大角度、或者启用了3D地形,MapLibre图层就像贴在地球上的一张纸,会出现明显的错位遮挡现象。

2.2 方案B:自研解析MVT后在Cesium中绘制

这个方案的核心是把MVT瓦片解码出来,转成标准GeoJSON要素,然后丢给Cesium的GeoJSONDataSource或者直接构造Entity。

伪代码思路如下:

JAVASCRIPT
import { VectorTile } from '@mapbox/vector-tile';
import Protobuf from 'pbf';
 
async function loadMVTTile(url) {
const res = await fetch(url);
const buffer = await res.arrayBuffer();
const tile = new VectorTile(new Protobuf(buffer));
 
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);
const geometry = feature.toGeoJSON(0, 0, 0); // 这里要按 z/x/y 把局部坐标转成真实经纬度
features.push({
type: 'Feature',
geometry,
properties: feature.properties
});
}
}
return features;
}

然后把返回的features交给Cesium.GeoJsonDataSource.load()。

这个方案的优点是可控性最高、没有第三方渲染引擎参与。缺点也很直白:性能烂得很快。一个城市级交通路网瓦片可能包含几万个线段,Cesium的Entity层在这种量级下创建和销毁都会卡;而且你还要自己管理瓦片缓存、请求调度、样式映射。我建议只把它用在数据量小、场景简单的内部工具里。

2.3 方案C:deck.gl MVTLayer叠加到Cesium

deck.gl是一个基于WebGL的高性能可视化框架,它早在8.x版本里就内置了MVTLayer,专门用来加载和渲染MVT数据。它内部把瓦片数据转成二进制属性数组,用GPU批量渲染,还自带LOD处理、视锥裁剪、请求调度,性能栈非常完整。

更关键的是,deck.gl官方提供了与Cesium集成的能力,你可以把deck.gl当成Cesium场景里的一个Overlay:Cesium负责全球底图、地形、3D模型,deck.gl负责把MVT渲染成WebGL图层里的矢量要素,两者共享同一个Canvas容器,不需要两个DOM叠底遮盖。

我在这三种方案里最终选择的就是这个。它既绕过了自研解码的性能坑,又避开了MapLibre投影错位的尴尬,还能用deck.gl自带的事件系统做要素拾取。

2.4 选型对比与结论

维度 MapLibre叠加 自研解析 deck.gl MVTLayer
渲染性能 中 低 高
与Cesium 3D融合 差(DOM叠加) 好 好
样式能力 强(Mapbox Style) 弱(手写) 中(数据驱动)
交互拾取 受限 可用 好
开发成本 低 高 中
长期维护 中(两个引擎同步) 低 较好

如果你要做的只是"把MVT显示在地球上",MapLibre叠加最快;如果你追求深度定制、性能可控,deck.gl MVTLayer是最平衡的选择;自研解析在我看来只适合Demo演示,不值得在生产环境里长期维护。

3. 实操记录:用deck.gl MVTLayer把MVT接进Cesium场景

3.1 数据准备:切片格式与服务地址

动手写代码之前,先确认你手里的MVT服务符合这些特征:

  • URL采用/tiles/{z}/{x}/{y}.pbf或.mvt命名;
  • 服务允许跨域访问(响应头里有Access-Control-Allow-Origin: *);
  • 切片的层级范围从0到某个最大zoom,且数据是Web Mercator投影(EPSG:3857)。

如果你现在连数据都没有,用Tippecanoe切一份最省事:

BASH
# 把GeoJSON转成mbtiles
tippecanoe -o demo.mbtiles demo.geojson -zg --drop-densest-as-needed
 
# 用tileserver-gl启动本地MVT服务
tileserver-gl demo.mbtiles --port 8080

启动后在浏览器访问http://localhost:8080/data/v3.json能看到服务信息,瓦片地址就是http://localhost:8080/data/v3/{z}/{x}/{y}.pbf。这个过程能帮你排除掉最基础的服务路径问题。

3.2 环境搭建与依赖安装

我用的是cesium1.100+、deck.gl9.x。安装命令如下:

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

注意deck.gl这个包是元包,@deck.gl/geo-layers里才包含MVTLayer,@deck.gl/cesium是官方为Cesium提供的集成适配。如果你的项目用的是Vite或Webpack,Cesium的静态资源和worker路径需要单独配置,网上教程不少,这里不多展开。

3.3 核心实现:把MVT图层挂进Cesium

我直接放一段能跑起来的最小实现。

JAVASCRIPT
import * as Cesium from 'cesium';
import { Deck } from '@deck.gl/core';
import { MVTLayer } from '@deck.gl/geo-layers';
import { CesiumDeckOverlay } from '@deck.gl/cesium';
 
// 1. 创建Cesium Viewer
const viewer = new Cesium.Viewer('cesiumContainer', {
animation: false,
timeline: false,
geocoder: false,
baseLayerPicker: false,
imageryProvider: new Cesium.OpenStreetMapImageryProvider({
url: 'https://tile.openstreetmap.org/'
})
});
 
viewer.camera.setView({
destination: Cesium.Cartesian3.fromDegrees(116.40, 39.90, 20000)
});
 
// 2. 创建deck实例
const deck = new Deck({
parent: document.getElementById('cesiumContainer'),
useDevicePixels: true,
layers: []
});
 
// 3. 创建MVT图层
const mvtLayer = new MVTLayer({
id: 'roads-mvt',
data: 'http://localhost:8080/data/v3/{z}/{x}/{y}.pbf',
minZoom: 0,
maxZoom: 18,
opacity: 0.9,
stroked: true,
filled: true,
lineWidthMinPixels: 2,
getLineColor: [80, 140, 255, 220],
getFillColor: [0, 0, 0, 0],
pickable: true,
autoHighlight: true,
highlightColor: [255, 210, 0, 120],
onDataLoad: (data) => console.log('MVT图层已加载', data),
getTooltip: ({object}) =>
object && object.properties
? JSON.stringify(object.properties)
: null
});
 
deck.setProps({ layers: [mvtLayer] });
 
// 4. 把Cesium和deck做坐标同步
const overlay = new CesiumDeckOverlay(viewer, deck);

如果你在用的是deck.gl 9.x,用CesiumDeckOverlay是官方推荐写法。老版本的deck.gl没有这个适配器,普遍做法是监听viewer.camera.changed和viewer.scene.postRender手动同步viewState。我实际项目里两种都写过,手动同步的代码更重,但遇到版本兼容性问题时反而更容易排查。下面这段是手动同步时会用到的zoom换算函数:

JAVASCRIPT
function calculateZoom(height, latitude) {
const fov = Cesium.Math.toDegrees(viewer.camera.frustum.fovy) || 60;
const canvasHeight = viewer.canvas.clientHeight;
const resolution = (2 * height * Math.tan(Cesium.Math.toRadians(fov / 2))) / canvasHeight;
return Math.log2(156543.03392 * Math.cos(Cesium.Math.toRadians(latitude)) / resolution);
}

同步逻辑也不复杂:在Cesium相机变化时,把相机经纬度、高度、姿态转成deck需要的longitude/latitude/zoom/bearing/pitch,然后调deck.setProps({ initialViewState: {...} })或deck.viewManager.setProps。

3.4 样式与交互:让切片数据真正"活"起来

MVTLayer在渲染时已经把每个feature的properties带进来了,所以样式可以做成数据驱动。

比如道路数据里有type字段,你想让高速路和小区道路区分开来:

JAVASCRIPT
const roadLayer = new MVTLayer({
data: 'http://localhost:8080/data/v3/{z}/{x}/{y}.pbf',
getLineColor: f => {
const type = f.properties && f.properties.type;
if (type === 'highway') return [255, 100, 60, 255];
if (type === 'local') return [200, 200, 200, 255];
return [120, 120, 120, 200];
},
getLineWidth: f => {
const type = f.properties && f.properties.type;
return type === 'highway' ? 3 : 1;
},
lineWidthUnits: 'pixels'
});

需要注意:getLineWidth和getFillColor这些访问器是按feature调用的,在高频渲染时不应该在里面做耗时操作(比如调接口、算复杂表达式),否则每一帧都要重新计算。

交互方面,pickable: true开启后,配合getTooltip就能直接拿到点击的feature属性。我做一个路网项目时,用这个能力实现了点击道路弹出路段信息卡片,多亏了MVT的properties在渲染时都能保留,数据仍然是实时的。

4. 从白屏、花屏到流畅:我在同步相机和调参时的踩坑复盘

4.1 最经典的坑:相机同步错乱导致要素"漂移"

第一次用deck.gl叠加MVT时,最常遇到的问题就是:Cesium里转动地球,MVT图层像幽灵一样飘在旧位置,或者干脆出现在海面另一边。

这个问题的根因不复杂,就是相机状态没有同步。deck.gl渲染每个顶点时都要用当前的viewState计算投影矩阵,如果Cesium已经把相机转走了,deck还拿着旧的状态画,结果当然漂移。解决方式有两种:

  • 每次相机changed事件都同步,但为了性能,可以在这个事件里用requestAnimationFrame节流;
  • 用CesiumDeckOverlay这类官方适配器,它会监听Cesium的postRender事件自动同步,准确度高很多。

我仍然要强调那个zoom计算公式。很多人在同步时为了省事,直接把Cesium的相机高度换成一个"看起来差不多"的zoom,比如zoom = 18 - Math.log2(height),这种经验公式在特定视角下能用,但俯仰角一变就废了。正确做法就是上面那个calculateZoom函数,它把FOV、Canvas高度、纬度全考虑进去。实测下来,在60度FOV、1080P屏幕上,误差在0.1个zoom级别以内,肉眼基本察觉不到。

4.2 白屏问题:切片请求失败十有八九是跨域和路径

MVT加载不出东西、控制台一片红的时候,先别怀疑代码逻辑,而是按这个顺序查:

  1. 打开Network面板,看切片请求是否发出、返回状态;
  2. 如果是404,多半是URL模板里的{z}/{x}/{y}和你的服务路径不一致。Tippecanoe默认0级,z/x/y号和服务器的对应关系要自己对照一下,比如tileserver-gl通常要求{z}/{x}/{y}.pbf,而某些自建服务要求{z}/{x}/{y}/vector.pbf这种二级路径;
  3. 如果返回状态是403或CORS报错,说明服务端没有配置跨域头,或者要走代理。本地开发最省事的办法是起一个简单的Node代理,把MVT接口转发一次。

发现有要素但显示不出来,也可以直接在浏览器里访问单个瓦片地址,用tileserver-gl自带的调试面板看瓦片是否正常。这一步虽然基础,但我发现很多新手卡在"白屏"上最后都是这里的问题。

4.3 性能瓶颈:从CPU卡死到GPU满载

MVT数据本身小,但渲染性能不一定快。MVTLayer默认会把每个瓦片解析、创建二进制缓冲,如果你把maxZoom设到22,用户缩放之后可能同时加载几十个瓦片,内存和GPU都受不住。

我的做法是设置合理的maxZoom,比如路网数据切到14级就够用,那就把maxZoom: 14,避免请求根本不需要的高精度瓦片。如果某些层级数据不存在,还要设置onTileError忽略404而不是抛错:

JAVASCRIPT
new MVTLayer({
data: 'http://localhost:8080/data/v3/{z}/{x}/{y}.pbf',
maxZoom: 16,
onTileError: (error) => {
if (error.status === 404) return; // 没有瓦片不报错
console.warn(error);
},
// 数据量大时开启binary模式,减少CPU解析开销
binary: true
})

binary: true让MVTLayer把瓦片数据直接转成二进制数组,GPU批量绘制,而不是把每个feature包装成JS对象。这个开关在数据量大时能看出明显差距,我测试过一份50MB的GeoJSON切完的瓦片,开和不开的帧率差距在30%到50%之间。

4.4 缓存与数据更新策略

MVT瓦片天然适合HTTP缓存,服务端设置Cache-Control: max-age=...就可以。但前端有一个容易被忽略的点:Cesium和deck各自维护缓存,如果你同时用了其他图层引用同一套MVT服务,可能会导致重复请求。deck内部的瓦片缓存默认存在,你要确认id属性能区分不同类型的数据,避免切换图层时拿到旧的缓存数据。

如果业务数据频繁更新(比如实时路况),服务端改完切片后客户端还是旧数据,这种场景下需要给URL加版本参数:.../{x}/{y}.pbf?v=20250601,或者手动调mvtLayer.setProps({ data: newUrl })强制刷新。我踩过一次很隐蔽的坑:更新数据后页面怎么都不刷新,最后发现是浏览器本地缓存,整个Network面板一行请求都没有,加版本号之后瞬间解决了。

5. 真正上线前的几个建议与扩展玩法

5.1 锁死deck和Cesium的版本组合

这是最现实的建议。deck.gl对Cesium的集成版本依赖较强,如果哪天你发现CesiumDeckOverlay报错,先去看看你的@deck.gl/cesium和cesium主版本是否匹配。我遇到过deck.gl 8.9和cesium 1.118组合下相机同步异常,把deck升到9.0之后恢复正常。固定组合、锁版本,在生产项目里能帮你省掉一大半玄学问题。

另外,如果打包后遇到Cesium is not defined这类问题,多半是Cesium全局变量和模块化导入混用了。ESM导入用import * as Cesium from 'cesium',不要指望在window上能找到Cesium。

5.2 高性能模式的取舍

数据量特别大的时候,我在生产项目里会做两个调整:

  • 关闭不需要的效果:antiAliasing: false,线宽用整数像素,减少模糊;
  • 把图层按业务拆分:道路、建筑、POI分别建MVTLayer实例,因为每个图层的样式访问器不同,拆开后可以单独控制visible和更新频率。

这两个调整看起来不起眼,但叠加上binary: true之后,我做过的大概200万要素的路网图层,在普通笔记本上能稳定跑到30帧以上。

5.3 从2D切片走向3D可视化

MVT是2D数据,但在deck.gl里你可以通过extruded几何把要素挤出高度,或者把瓦片里的建筑面数据转成3D棱柱。我在一个城市白模项目里就是从MVT建筑层做的挤出,效果接近3D Tiles,但数据成本低很多。这个思路很适合需要快速出效果、又不想花大成本构建3D Tiles的场景。

5.4 一个用于本地调试的小工具箱

最后分享几个我日常用的调试技巧:

  • 直接在浏览器地址栏访问单个瓦片URL,如果服务端返回内容,右键下载文件。MVT是protobuf格式,一般编辑器打不开,你可以用geojson.io左边配一个解码插件来查看,还有不少在线的MVT查看器;
  • deck.gl的onDataLoad回调里通常能拿到当前瓦片信息,我常在调试时把瓦片的z/x/y打印出来,确认是否重复加载了同一块瓦片;
  • 写一个简单的请求计数器,统计一分钟内加载的瓦片数量。如果数量远超视野中应有的瓦片数,多半是zoom计算不准,导致deck反复请求低级别瓦片。

我在把这些流程跑通之后,最大的体会是:MVT和Cesium并不是天然敌对的关系,它们之间差了"解码和同步"这一步,以deck.gl为代表的渲染框架恰好把这一步补上了。如果你第一次集成就碰到相机同步抖动,不要急着改公式,先确认你用的deck版本支持官方的CesiumDeckOverlay——我早期就是死磕手写同步,后来换了官方适配器,整个世界清净了。

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
C语言版数字锁相放大器实现指南:从复数运算到嵌入式MCU移植的坑我都帮你踩了
本文详细介绍了C语言实现数字锁相放大器的关键技术,包括复数运算优化、嵌入式MCU移植的实战经验及内存管理策略。针对STM32等资源受限平台,提供了从浮点到定点数转换的优化方案,帮助工程师高效处理微弱信号提取问题。
weixin_30721077