Cesium加载MVT矢量瓦片:坐标转换、方案选型与性能优化实战

MVTCesium矢量瓦片
于 2026-10-29 06:01:08 修改
·本内容遵循CC 4.0 BY-SA版权协议

前阵子项目里要对接一份mvt格式的矢量瓦片数据,拿到手里准备往Cesium里一扔就完事,结果发现Cesium原生压根没有内置MVT解析器。折腾了整整两天,把坐标系、extent、Primitive这些坑全踩了一遍,终于跑通了一条完整的加载链路。这篇文章就把我实测下来的思路、代码和排坑记录整理出来,给准备在Cesium里加载mvt的同学做参考。

先说清楚这篇讲什么:MVT(Mapbox Vector Tile)是前端地图圈非常流行的矢量瓦片格式,通常以.pbf或.mvt结尾。Mapbox GL对它天然支持,但Cesium是一套3D地球引擎,对矢量数据用的是另一套体系,所以两者之间需要一个“翻译层”。文章会围绕“Cesium加载mvt格式”这条主线,讲清楚MVT的底层编码、三种可行的加载方案、一个能落地的代码实现,以及我实际遇到的几个经典问题。

适合谁来读:已经在用Cesium做项目,但被矢量瓦片数据卡住的人;或者刚接触MVT,想知道怎么把这份数据用起来的同学。如果你是纯Mapbox用户,这篇对你帮助不大,因为你直接用Mapbox GL就行,完全不需要绕这一圈。

1. 从概念到选型:MVT到底是什么,为什么Cesium加载会纠结

1.1 MVT格式的底层逻辑

先花几分钟把MVT的内部结构理清楚,因为后边的所有代码和问题都跟它有直接关系。MVT本质上是一种基于Protocol Buffers(protobuf)的二进制瓦片编码格式。它把地图切分成z/x/y三级金字塔瓦片,每一个瓦片里存放的是矢量要素,而不是像素点阵。

一个MVT瓦片内部包含多个图层(Layer),每个图层里是一组要素(Feature)。要素可以是点(Point)、线(LineString)或面(Polygon),还带有一个属性表(properties)。最关键的一个特点是:MVT里所有几何坐标都是整数,取值范围落在瓦片内一个叫extent的范围内——常见值是4096或8192。这些整数坐标以瓦片的左下角为原点,x轴向右,y轴向上。注意这里说的y轴向上,跟Web墨卡托投影里常用的“瓦片左上角为原点、y轴向下”正好相反,后边所有坐标偏移问题基本都是从这里冒出来的。

还有个容易忽略的细节:MVT对属性做了字典压缩。瓦片内部会先维护一个字符串表,每个属性键和属性值都用一个整数索引引用,而不是直接存字符串。这也是MVT能做到几十KB一个瓦片的原因。对于前端来说,解析MVT通常用两个库:pbf负责把二进制字节流解成JavaScript对象,@mapbox/vector-tile负责把pbf解出来的数据结构进一步加工成可遍历的要素集合。这两个库是我实测下来最稳的组合。

1.2 为什么不能像Mapbox那样直接加载

很多人第一次接触“Cesium加载mvt”这个问题时,会觉得奇怪:MVT这么主流,Cesium为什么不能直接显示?实际上Cesium的设计目标和Mapbox GL完全不是一个赛道。Mapbox GL本身是一套2D地图渲染引擎,渲染矢量瓦片是它的核心能力,对MVT有完整的解析、样式和渲染管线。Cesium则是一套3D地球引擎,它把重心放在三维地形、倾斜模型、3D Tiles、Entity/Primitive这些三维对象上,并没有内置“矢量瓦片+样式解析”这一条链路。

这带来的后果就是:MVT数据在Cesium里不是“能不能显示”的问题,而是“怎么把它翻译成Cesium认识的对象”的问题。好在Cesium很灵活,它提供了GeoJsonDataSource、Primitive、3D Tiles等多种承载方式,只要把MVT的几何和属性转换出来,往这些容器里一放,就能渲染。理解了这个,后面的方案选型就顺理成章了。

2. 方案选型:Cesium加载MVT的几种思路与取舍

2.1 方案一:即时解析MVT为GeoJSON,用Entity或DataSource渲染

这是我个人最推荐先跑通的方案。思路很简单:在浏览器端请求MVT瓦片,用pbf和@mapbox/vector-tile解码,把瓦片内的要素几何转换成GeoJSON,然后再丢给Cesium的GeoJsonDataSource或者手动创建Entity来渲染。

优点非常明显:实现链路短,不需要额外起服务端服务,而且要素属性完全保留,点击拾取、属性查询、动态样式都能做。缺点也很现实:如果要素数量特别大,创建大量Entity会导致性能肉眼可见地下降,帧率跌得非常快。所以这个方案适合中小规模数据,比如几千个行政区边界、几万个POI点这种量级,或者只加载当前视野范围内的一部分瓦片,把数据量控制住。

2.2 方案二:把MVT渲染成栅格瓦片,用ImageryProvider加载

第二种思路是把矢量瓦片先在服务端或者本地渲染成PNG栅格瓦片,再作为影像图源接入Cesium。比如可以用Mapbox Style Spec渲染MVT,输出栅格瓦片,或者直接借助现成的服务。

这么做的好处是稳定性极高,性能和普通影像瓦片完全一致,Cesium侧几乎不需要写什么逻辑。但代价是丢掉了矢量的交互能力:不能点击拾取要素,不能动态修改样式,缩放时在三维球上也可能因为栅格拉伸而看起来偏糊。适合的场景是把MVT当作底图,比如项目只需要一个清晰美观的“图层底子”,不需要对要素做任何操作。

2.3 方案三:预处理成3D Tiles,走Cesium Tileset

如果数据量到了百万级、千万级,或者要对要素做复杂的空间查询和LOD切换,那就应该把MVT离线转换成3D Tiles,再通过Cesium3DTileset加载。3D Tiles本身带着完整的空间索引、LOD和属性分层,是Cesium性能最好的大规模数据形态。

转换工具可以选择:先用tippecanoe把GeoJSON或MVT切片成mbtiles,再通过专门的MVT转换工具转成3D Tiles;也可以直接把GeoJSON用相关工具转成3D Tiles。这方案的问题在于链路长、更新数据麻烦,而且生成出来的Tileset文件需要单独部署。比较适合“数据基本不变、查询量大、对性能有硬要求”的场景。

三种方案没有绝对好坏,我做了一张对照表,方便你根据项目情况直接选:

方案 开发量 性能 交互能力 适用场景
MVT转GeoJSON加载 较小 中小数据量可接受 强,可点击查询 动态数据、中小规模
MVT渲染成栅格瓦片 很小 极稳定 弱,无交互 底图展示
MVT转3D Tiles 较大 极强,可支撑百万级 强,可属性查询 海量数据、静态数据

3. 实操:基于VectorTile解析器在Cesium中加载MVT

3.1 总体流程与数据准备

下面以方案一为主线,从零跑通整个加载流程。我建议你准备一份小范围的MVT瓦片数据来做测试,别一上来就拉全球数据。数据来源可以是本地用tippecanoe切出来的,也可以是你现有项目里已经部署好的在线瓦片服务,注意确认数据许可范围。瓦片地址通常类似http://your-server/tiles/{z}/{x}/{y}.pbf,后面所有代码都基于这个URL模板。

项目依赖就三个:Cesium主库、pbf、@mapbox/vector-tile。装的时候注意一下模块格式,@mapbox/vector-tile对ESM和CommonJS的导出方式略有差异,如果用的是Vite或者Webpack,建议用动态import的方式引入,避免启动阶段报模块解析错误。我自己在Vite项目里就直接写await import('@mapbox/vector-tile'),稳得很。

整体加载流程分成四步:第一步根据当前相机视野计算需要加载的瓦片编号;第二步请求并解码MVT瓦片字节流;第三步把瓦片内部几何坐标转成经纬度,生成GeoJSON;第四步把GeoJSON转成Cesium可渲染的对象。下面重点讲第三和第四步,因为这两步是最容易出错的地方。

3.2 瓦片坐标转经纬度:最核心的坐标换算

这是全文最值得你停下来多看两遍的部分。MVT瓦片内要素的几何坐标是瓦片局部坐标,坐标值从0到extent,原点在瓦片左下角,y轴向上。要把它转成经纬度,必须知道当前瓦片在整个金字塔中的位置,也就是z/x/y编号。

我直接给出一个经过验证的转换函数:

JAVASCRIPT
function tileToLngLat(z, x, y, px, py, extent) {
const n = Math.pow(2, z);
// 经度:x方向是线性映射
const lng = ((x + px / extent) / n) * 360 - 180;
// 纬度:Web墨卡托的y方向不是线性,要用墨卡托逆变换
const yFrac = (y + 1 - py / extent) / n;
const lat = Math.atan(Math.sinh(Math.PI * (1 - 2 * yFrac))) * 180 / Math.PI;
return [lng, lat];
}

这段代码里最容易踩坑的有两处。第一,extent不要写死。虽然4096是最常见的值,但有些瓦片源会用8192。如果你写死4096去解析8192的瓦片,所有要素都会挤到四分之一的角落里,位置完全错乱。正确做法是从图层对象里动态读取:layer.extent,比如tile.layers[0].extent。第二,y轴方向要翻转。因为MVT原点在左下角、y向上,而瓦片金字塔索引的y方向是从上往下数的,所以计算yFrac时一定要用y + 1 - py / extent,而不是y + py / extent。我一度漏了这里的翻转,整个图层就变成上下颠倒的镜面效果。

另外注意纬度方向的Web墨卡托是非线性映射。很多简化代码会直接拿线性比例去算纬度,在小范围场景看着差不多,一旦跨越大范围,纬度偏差会到好几公里,必须用atan(sinh(...))这条转换链。

3.3 完整的MVT解码与GeoJSON转换代码

有了上面的坐标函数,完整解码流程就清晰了。我整理了一份可以直接放进项目里用的核心函数:

JAVASCRIPT
async function fetchAndParseTile(url, z, x, y) {
const res = await fetch(url);
const arrayBuffer = await res.arrayBuffer();
 
const Pbf = (await import('pbf')).default;
const { VectorTile } = await import('@mapbox/vector-tile');
const tile = new VectorTile(new Pbf(arrayBuffer));
 
const features = [];
const layerNames = Object.keys(tile.layers);
for (const layerName of layerNames) {
const layer = tile.layers[layerName];
const extent = layer.extent || 4096;
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
const geo = feature.loadGeometry();
// 根据类型分别处理
if (feature.type === 1) {
// Point
} else if (feature.type === 2) {
// LineString
} else if (feature.type === 3) {
// Polygon
}
// 这里把geo按环/点组逐个转成经纬度坐标
const converted = geo.map(ring =>
ring.map(pt => tileToLngLat(z, x, y, pt.x, pt.y, extent))
);
features.push({
type: 'Feature',
properties: feature.properties,
geometry: buildGeometry(converted, feature.type)
});
}
}
return { type: 'FeatureCollection', features };
}

这里有个细节要特别提醒:MVT返回的多边形几何,首尾点可能不闭合。如果你直接把这个坐标数组丢给Cesium,渲染时会出现一条细细的裂缝,或者面的边界缺一段。所以转GeoJSON时,对Polygon的每个环,要检查第一个点和最后一个点是否相同,不同就把第一个点复制到末尾。

LineString则千万不要做闭合处理。很多人在同一个函数里处理两种几何,顺手给LineString也补了一个首尾点,结果好好的道路线全部变成了一圈闭合多边形,线宽、样式全乱了。所以环形闭合这个逻辑一定要放在“Polygon分支”里,不要用统一逻辑。

拿到FeatureCollection之后,往Cesium里挂就很直接了:

JAVASCRIPT
const geojsonData = await fetchAndParseTile(url, z, x, y);
const dataSource = await Cesium.GeoJsonDataSource.load(geojsonData, {
stroke: Cesium.Color.WHITE,
fill: Cesium.Color.fromAlpha(Cesium.Color.BLUE, 0.3),
strokeWidth: 2,
clampToGround: true
});
viewer.dataSources.add(dataSource);

如果你的目标是要给不同属性设置不同颜色,比如按行政区等级上色,那GeoJsonDataSource的全局样式就不够用了。建议拿到GeoJSON之后遍历feature,根据properties自己创建Entity或者PolygonGraphics,这样每个要素可以单独控制颜色、高度和描边。

4. 性能优化:大规模MVT加载的实用调优

4.1 用Primitive替代Entity:同一个坑,我帮你踩过了

方案一跑通之后,第一件要做的事就是观察性能。我最初直接拿一个包含2万多个面的瓦片源做测试,用GeoJsonDataSource加载,缩放旋转时帧率掉到个位数,镜头直接变成PPT。问题不在Cesium本身,而在于Entity数量太多,每个Entity都是一套独立的对象,2万套对象同时管理,引擎再强也扛不住。

解决办法是把几何合批到Primitive里。Cesium的Primitive支持用GeometryInstance数组批量绘制,多个面可以共享一个DrawCommand。核心思路是:遍历所有要素,把每个多边形转成PolygonGeometry,配置好height和外观,然后压进同一个Primitive。

JAVASCRIPT
const instances = [];
for (const feature of features) {
const positions = [];
// 从feature.geometry.coordinates取坐标,转成Cesium.Cartesian3
const polygonGeometry = new Cesium.PolygonGeometry({
polygonHierarchy: new Cesium.PolygonHierarchy(positions),
perPositionHeight: false
});
instances.push(new Cesium.GeometryInstance({
geometry: polygonGeometry,
attributes: {
color: Cesium.ColorGeometryInstanceAttribute.fromColor(randomColor())
}
}));
}
const primitive = new Cesium.Primitive({
geometryInstances: instances,
appearance: new Cesium.PerInstanceColorAppearance({
closed: false,
translucent: true
})
});
viewer.scene.primitives.add(primitive);

这么一改,2万个面的渲染压力几乎可以忽略,帧率稳定在60。要注意的是PerInstanceColorAppearance的性能取决于颜色数量,如果每个面都是不同颜色,合批效果会打折扣。能合并颜色的尽量合并,比如按type分类统一上色,性能还能再上一个台阶。

4.2 瓦片缓存与请求调度

自己写瓦片加载时,最容易忽视的就是请求管理。我最初在camera移动事件里直接发请求,结果镜头一划,几十个瓦片请求同时打出去,不仅服务端压力大,浏览器端也被并发请求拖垮。后来我加了一个很简单的LRU缓存和并发控制。

核心规则就三条:同一个z/x/y不要重复请求;相机停止移动之后再加载新瓦片;每次最多并发4个请求。前三者用Map和Promise缓存就能实现,后者用一个计数器控制。

JAVASCRIPT
const cache = new Map();
const MAX_CONCURRENT = 4;
let inflight = 0;
 
function loadTile(z, x, y) {
const key = `${z}/${x}/${y}`;
if (cache.has(key)) return Promise.resolve(cache.get(key));
while (inflight >= MAX_CONCURRENT) {
// 简单阻塞或排队
}
inflight++;
return fetchAndParseTile(tileURL(z, x, y), z, x, y)
.then(data => {
cache.set(key, data);
return data;
})
.finally(() => inflight--);
}

更精细一点,还可以在瓦片加载完成后判断相机是否已经移开,如果移开了就直接丢弃不渲染,避免加载一堆“已经看不见的瓦片”浪费内存。这套思路在连续缩放时效果特别明显,内存增长会被死死压住。

4.3 LOD策略与聚合

当地图缩放到全球层级时,一次性加载所有细粒度瓦片显然不现实。一个简单有效的策略是:低zoom层级只加载面的中心点或者简化边界,高zoom层级再加载详细多边形。MVT本身是金字塔结构,每一层都有对应粒度的数据,前端只需要控制“当前zoom渲染哪些层”就行。

比如zoom 0-6时只显示点,zoom 7-10时显示简化面,zoom 11以上显示全量面。这个阈值要根据数据量和业务需求调整。点要素还可以做聚合,Cesium的EntityCluster能自动把密集的点聚类成带数量的圆形标识,对POI数据非常友好。我实测上万POI开启聚合后,视角拉远时清爽很多,卡顿也消失了。

5. 踩坑实录:常见问题与排查技巧

5.1 几何错位、双影和上下颠倒

这类问题绝大多数出在坐标转换上。排查时不要急着看全图,先找一张边界清晰的瓦片打印几个关键顶点,和官方渲染结果对比。我整理了一个快速自检表:

  • 要素整体往东偏:经度分母或者origin偏移算错了,检查x + px / extent这一项
  • 要素上下颠倒:y轴翻转逻辑写反,检查y + 1 - py / extent
  • 要素挤在角落:extent写死、实际值不匹配,动态读取layer.extent
  • 要素左右方位对但位置随zoom漂移:瓦片编号z计算错误,检查n和z是否对应同一级别

还有一个隐藏问题:MVT数据源虽然遵循规范,但不同切片工具生成的extent可能不同。tippecanoe默认extent是4096,但某些商业工具会用到8192甚至更高。所以在写解析函数时,绝不要假定extent,一定要从layer对象里读。

5.2 多边形渲染异常:不闭合、绕序、半透明

多边形在Cesium渲染出“开缝”、缺口,或者明明画了面却只显示边界,第一件事检查Ring是否闭合、环绕方向是否正确。Cesium对多边形的顶点绕序有一定要求,虽然多数场景会自动处理,但数据源绕序不一致时,可能会出现面被裁掉、或者内部出现横七竖八的线。

更常见的坑是半透明面的“透底”问题。如果给面设置了半透明填充,又在同一位置叠加了地形或者影像图层,透过面能看到底下的纹理,视觉上非常脏。解决办法是调整渲染顺序,把MVT图层的primitive放在地形之上,并且将面的透明度控制在0.2以上。若是GroundPrimitive,还要注意和地形的深度关系,必要时设置depthTestAgainstTerrain: false避免闪烁。

另外一个常年困扰大家的问题:多边形大量重叠时,半透明区域会越叠越深,形成墨团。这是正常的alpha混合结果,可以在业务侧做空间去重,或者只在最顶层数据上开半透明,底层数据全部用不透明描边。

5.3 内存泄漏与白屏排查

加载MVT过程中,内存泄漏几乎是必踩的坑。最常见原因是瓦片还在解析时,相机已经切换了级别,旧瓦片的Promise没有取消,解析完成后又往场景里加了Entity或Primitive,但这些对象再也没有被移除。时间一长,场景里的对象越积越多,内存直线飙升。

我的处理办法是建立一套“加载代次”机制:每次相机停止后,递增一个全局代次;每个瓦片Promise完成时检查自己的代次是否等于当前代次,不等就直接丢弃,不创建任何场景对象。同时维护一个已加入场景的瓦片列表,在新瓦片加入后,把视野外的旧瓦片移除,用scene.primitives.remove和dataSource.destroy彻底释放。

排查内存问题时,别只盯着任务管理器。在Cesium里可以用viewer.scene.primitives.length看一眼当前有多少primitive,正常情况下稳定在一个固定值附近。如果发现这个数字随着镜头移动不断增长,那基本可以断定有旧对象没被释放,代码逐层排查就行。

5.4 请求失败与瓦片404

实际项目里还会遇到某个瓦片请求404或者返回空字节的情况,这会让整个加载流程中断。最稳妥的做法是给fetch加异常捕获,空瓦片和空图层直接跳过,不影响其他瓦片渲染。MVT金字塔的边界瓦片经常会因为源数据本身没有内容而返回空,这不算数据问题,是正常的切片策略。

JAVASCRIPT
try {
const res = await fetch(url);
if (!res.ok) return null;
const buf = await res.arrayBuffer();
if (buf.byteLength === 0) return null;
return decodeTile(buf, z, x, y);
} catch (e) {
console.warn(`Tile load failed: ${url}`, e);
return null;
}

这套容错逻辑加上之后,播放器再也不会因为单张瓦片失败就白屏。对于404特别多的瓦片源,还可以做一层失败缓存,短时间内不重复请求同一个url,避免无效请求把带宽占满。

6. 实战复盘与经验建议

6.1 适合项目使用场景的决策建议

我这里整理了一个项目选型速查,结合我自己的经历,可以直接参考。如果你的项目是“需要在前端展示几千个行政区边界、无人机正射图叠加、或者轻量级业务图层”,方案一足够,先用GeoJsonDataSource跑通,再按需优化成Primitive。如果项目是“把一套Mapbox样式的地图原样搬到Cesium里当底图”,方案二最省事,渲染成栅格瓦片接进去就行。如果项目是“全省甚至全国的大规模建筑面、地籍数据,要支撑流畅的缩放浏览和属性查询”,别犹豫,直接上3D Tiles。

我自己最近的一个项目,底层用的是MVT源,里面混着POI点位和行政区面。最终选型是方案一加Primitive改造,配合瓦片缓存和LOD控制,数据更新周期从小时级变成了分钟级,交互反馈也快,满足业务需要。后续如果数据量翻倍,我会把离线转换3D Tiles的链路提前排进迭代计划。

6.2 几个额外的小技巧

最后分享几个我实测有效的小技巧,不一定能写进文档,但能省不少排查时间。

第一个,调试MVT解析时,在解码函数里写一行console.log(tile.layers),直接把瓦片图层结构打出来。你立刻就能看到layer.extent、feature类型、属性字段名,比猜要快太多。第二个,如果你想快速验证坐标转换逻辑,用一个已知经纬度的地标瓦片,把解码后的顶点经纬度粘贴到地图上比对,偏差一目了然。第三个,MVT的矢量要素在三维球上因为地形起伏容易被“埋”住,如果只是做演示层,直接把所有多边形height设成0并关闭贴地,能省掉大量地形交互方面的麻烦。

再说一遍,Cesium加载mvt本质上就是“翻译数据 + 选择合适的容器”。先用方案一把链路跑通,再根据性能瓶颈决定要不要上Primitive、要不要转3D Tiles,是一条相当稳的推进路径。希望这篇东西能帮你少走点弯路。

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
一文读懂 SAP ERP / SAP S/4HANA 里的 Price List:概念、配置、定价流程与可运行 ABAP 示例
SAP ERP/S4HANA中的Price List解析 本文系统阐述了SAP定价体系中Price List的核心概念和实现机制。Price List并非独立的价目表,而是通过条件技术(条件类型、访问序列、条件记录)与Price List Type(PLTYP)共同作用的定价维度。文章详细说明了: Price List本质上是客户主数据中的PLTYP字段,作为定价查找键使用 定价流程中条件访问序列如何利用PLTYP查找特定价格 S4HANA与ECC版本在价格维护入口的差异 实际业务中如何通过不同PLTYP实
汪子熙