Cesium加载MVT矢量瓦片:坐标换算与渲染选型实战

MVTCesium矢量瓦片
于 2026-10-29 05:40:09 修改
·本内容遵循CC 4.0 BY-SA版权协议

上个月做三维地图项目,需求方直接甩了一个MVT地址过来,说“这是我们现网的矢量瓦片服务,接到Cesium里看看”。MVT就是Mapbox Vector Tile,现在二三维平台拿它做底图越来越普遍,但我当时的第一反应是:Cesium默认根本不认这种二进制格式,直接扔给GeoJsonDataSource会报错,得先解决坐标换算和格式解析。整个链路跑通之后,我把思路、代码和踩过的坑整理成这篇实战记录,给同样被“Cesium加载MVT”卡住的同行一条能直接上手的路线。

1. 先盘一下MVT的底细:它到底把什么装进了二进制文件

1.1 一份MVT瓦片里到底有什么

MVT是Mapbox提出的一种矢量瓦片编码规范,底层用Protocol Buffers压缩,扩展名通常就是.pbf。一个MVT瓦片不是一张渲染好的图片,而是一个“矢量内容包”:包含若干个图层(layer),每个图层里有若干要素(feature),每个要素带几何和属性。简单理解,它就像寄出去的快递:几何是形状,属性是面单,快递箱里的填充物是二进制的压缩规则。

关键点是,MVT里的坐标不是经纬度,也不是Web Mercator米制坐标,而是一个相对当前瓦片左上角的“局部像素坐标”。它按瓦片内部的网格来记录点、线、面的位置,常见的网格密度是4096乘4096,也可以按extent字段配置成其他值。解析MVT时,必须知道当前瓦片的z/x/y编号以及extent,才能把局部坐标换算回真实经纬度。

几何记录方式也很有特点。MVT不是把每个点都完整写一遍,而是用MoveTo、LineTo、ClosePath这类“绘图指令”加增量偏移来编码,再配合zigzag编码压缩整数,这样能把文件体积压得很小。所以单独打开一个.pbf文件,看到的就是一堆紧凑的整数和指令,而不是能直接读的坐标文本。

1.2 和GeoJSON、栅格瓦片放在一起比一下

很多项目最初用的都是GeoJSON,一个城市级的地块数据往往几十MB起步,浏览器解析起来卡顿明显。栅格瓦片解决了体积和渲染流畅度问题,但丢掉了矢量交互能力。MVT正好站在中间:体积小、支持前端交互、样式可以随时改。

对比项 GeoJSON 栅格瓦片(PNG/JPEG) MVT
体积 大 小 小
渲染方式 前端解析几何 图片直接贴 前端解析后矢量绘制
交互(点击查属性) 支持 不支持 支持
样式可调 支持但数据量受限 不支持 支持
服务端压力 高 中 低
解析难度 低 无 中

为什么MVT在三维场景里也受欢迎?因为同样的数据在Web Mercator投影下切好一次图,多个客户端(二三维、不同图层平台)都能共用。数据量确实比GeoJSON小很多,对带宽和加载速度是实打实的帮助。

1.3 局限也别忽视

MVT没有“样式”的概念。有人说MVT是放弃样式、只保留几何和属性,渲染表现完全交给前端。这意味着在Cesium里接入MVT后,颜色、线宽、透明度、高亮规则都需要自己控制,没有一套现成的样式文件可以直接套。

另外,MVT虽然体积小,但前端解析PBF仍然占CPU,解析出来的GeoJSON在内存中比原始PBF大好几倍。数据量大的时候,如果既没有瓦片调度也没有内存控制,页面照样会卡爆。这些在后面的章节会展开说。Cesium不内置MVT解码器,不等于不能加载,只是要把坐标换算和格式处理这段补上。

2. 接入Cesium之前,三条路线先在桌上比一比

2.1 方案A:前端解析MVT为GeoJSON,再交给GeoJSONDataSource

这是最直接的路子:用JS库把MVT瓦片解析成标准GeoJSON,然后交给Cesium的GeoJsonDataSource.load加载。优点很明显——代码量少、链路短、容易调试,适合数据量不大、只需要快速看效果的原型。

但它不适合动辄几万、几十万个要素的生产场景。Cesium的GeoJSONDataSource本质上还是把几何转成Entity,Entity数量多了,渲染和拾取性能都会下来。我的建议是:验证阶段用它,交付阶段要看数据规模再决定。

2.2 方案B:deck.gl的MVTLayer直接在Cesium场景里渲染

deck.gl是Uber开源的一套WebGL渲染框架,它的MVTLayer原生支持MVT,而且专门为大数据量做了优化。deck.gl还提供了@deck.gl/cesium适配包,可以把deck.gl的图层直接叠加到Cesium场景中,相机自动同步。

这条路我最推荐用于产品化。MVTLayer支持几何合并、GPU渲染、批量拾取,几千个面片切进一个图层也不至于卡死。缺点是引入了额外依赖,样式写法和Cesium的原生Entity差别较大,需要适应。

2.3 方案C:MapLibre/Mapbox GL窗口加Cesium相机联动

严格说这不是“Cesium加载MVT”,而是“二维MVT地图和三维Cesium场景联动”。做法是页面里放一个MapLibre GL或Mapbox GL的地图窗口,加载同一套MVT服务,然后用Cesium的相机事件驱动二维地图的center、zoom、bearing、pitch做同步,反过来二维地图的移动也能驱动三维相机。

这种方案适合那些需要保留成熟二维交互(比如样式编辑器、复杂弹窗插件)的项目。缺点是需要维护两个渲染引擎,屏幕空间布局上也有一定限制,通常用于辅助比对而不是最终叠加展示。

2.4 选型判断表

判断维度 方案A 方案B 方案C
数据量 小 大 中
实现成本 低 中 高
渲染性能 中 高 取决于二维引擎
交互复杂度 简单 中 高
三维融合度 好 最好 本质是双窗口
适合阶段 原型验证 生产交付 二三维联动产品

我自己在真实项目里一般这样选:演示和概念验证用A,正式版本用B,存在两份数据需要对照时用C。A和B并不冲突,A的解析代码会在B里复用一部分,所以不用怕白写。

3. 核心硬骨头:MVT内部坐标如何换算成经纬度

3.1 先理解瓦片内部的“局部坐标”

假设你请求了z等于16、x等于52461、y等于31860的瓦片,服务器返回的MVT里,所有要素坐标都在“当前瓦片”这个正方形里。坐标原点在瓦片左上角,x向右增长,y向下增长,最大范围由extent决定。

常见extent是4096,一些平台会设成8192。所以一个要素的geometry字段里,[2048, 2048]意味着它位于瓦片中心附近,而不是地球上的经纬度。解析的关键就是:知道这个局部坐标在瓦片内的相对比例,再根据瓦片本身的经纬度范围做线性换算。

3.2 从z/x/y推算瓦片的经纬度范围

Web Mercator投影下,世界被展开成一个正方形,范围是[-20037508.34, 20037508.34]米。z代表层级,n等于2的z次方,世界被分成n乘n个瓦片。第x瓦片的西边界就是-20037508.34 + x * (40075016.68 / n),然后反投影成经纬度。

经纬度反投影公式我们直接写进代码里:

JAVASCRIPT
function webMercatorToLngLat(x, y) {
const R = 6378137;
const lng = (x / R) * 180 / Math.PI;
const lat = (2 * Math.atan(Math.exp(y / R)) - Math.PI / 2) * 180 / Math.PI;
return [lng, lat];
}
 
function tileToBounds(z, x, y) {
const n = Math.pow(2, z);
const minLon = x / n * 360 - 180;
const maxLon = (x + 1) / n * 360 - 180;
const maxLat = (2 * Math.atan(Math.exp(Math.PI * (1 - 2 * y / n))) - Math.PI / 2) * 180 / Math.PI;
const minLat = (2 * Math.atan(Math.exp(Math.PI * (1 - 2 * (y + 1) / n))) - Math.PI / 2) * 180 / Math.PI;
return { minLon, minLat, maxLon, maxLat };
}

这个函数是这个方案的地基。只要瓦片编号是标准的XYZ规则,不管服务是哪家切出来的,都能用这一套公式拿到边界范围。

3.3 手写一个最基础的坐标换算逻辑

拿到瓦片边界后,局部坐标转经纬度其实就是线性插值。MVT的y坐标向下为正,而纬度向上增长,所以纬度方向要用“最大纬度减去差值”。

JAVASCRIPT
function mvtLocalToGeo(px, py, extent, bounds) {
const lon = bounds.minLon + (px / extent) * (bounds.maxLon - bounds.minLon);
const lat = bounds.maxLat - (py / extent) * (bounds.maxLat - bounds.minLat);
return [lon, lat];
}

这段逻辑看起来简单,但很容易把y方向搞反。如果y直接用加法,整个图层会沿南北方向翻转,而且翻转量随层级变化,越是高层级越难一眼发现。我一开始就在这栽过跟头,后来专门写了单测来锁这组公式。

3.4 更省事的办法:用@mapbox/vector-tile和pbf

手写解析器没有意义,社区已经有成熟方案。@mapbox/vector-tile配合pbf可以直接读PBF,而且内置了坐标换算工具。

JAVASCRIPT
import { VectorTile } from '@mapbox/vector-tile';
import Pbf from 'pbf';
 
async function loadMvtTile(url, z, x, y) {
const res = await fetch(url);
const buf = await res.arrayBuffer();
const tile = new VectorTile(new Pbf(buf));
const allFeatures = [];
 
Object.keys(tile.layers).forEach((layerName) => {
const layer = tile.layers[layerName];
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
const geojson = feature.toGeoJSON(x, y, z);
geojson.properties = Object.assign(
{ layer: layerName, id: feature.id },
geojson.properties
);
allFeatures.push(geojson);
}
});
 
return {
type: 'FeatureCollection',
features: allFeatures
};
}

toGeoJSON(x, y, z)这一步会把MVT内部坐标换算成经纬度,前提是你传了正确的z/x/y。注意这个API的xy参数顺序是(x, y),有些人在代码里写成(z, x, y),结果图层完全对不上,排查起来特别慢。

4. 从PBF地址到Cesium场景:完整接入流程

4.1 先确定数据源和瓦片规则

接入前先确认三件事:瓦片服务地址模板、坐标系、瓦片编号规则。如果项目组有现成的MVT服务,直接用;没有的话,可以本地用tileserver-gl把自己整理好的GeoJSON切片,生成的地址类似http://localhost:8080/data/v3/{z}/{x}/{y}.pbf,做技术验证完全够用。

瓦片编号规则大多是XYZ(Google)方式,但有一部分老系统或者TMS服务会使用翻转的y轴。两者的差异放在后面排坑章节细说,这里建议先在浏览器里拉一张z=0或z=1的瓦片,确认内容范围是不是预期位置。

4.2 走GeoJSONDataSource的完整落地

解析出FeatureCollection之后,直接交给Cesium:

JAVASCRIPT
async function loadMvtToCesium(viewer, tileUrl, z, x, y) {
const geojson = await loadMvtTile(tileUrl, z, x, y);
 
const source = await Cesium.GeoJsonDataSource.load(geojson, {
clampToGround: true,
stroke: Cesium.Color.fromCssColorString('#2E5FA3'),
fill: Cesium.Color.fromCssColorString('#2E5FA3').withAlpha(0.35),
strokeWidth: 2,
});
 
source.name = `tile-${z}-${x}-${y}`;
viewer.dataSources.add(source);
return source;
}

这里既然能拿到每个feature的属性,也可以对属性做分流:

JAVASCRIPT
const source = await Cesium.GeoJsonDataSource.load(geojson, {
clampToGround: true,
});
viewer.dataSources.add(source);
 
source.entities.values.forEach((entity) => {
const cls = entity.properties.class?.getValue(0);
const colorMap = {
water: Cesium.Color.fromCssColorString('#55A6E0'),
building: Cesium.Color.fromCssColorString('#BFB39B'),
road: Cesium.Color.fromCssColorString('#F2C94C'),
};
entity.polygon.material = colorMap[cls] || Cesium.Color.CYAN;
});

逐个设置entity样式,在数据量小时没问题;量大时建议在GeoJSON拿到后就把属性预处理成固定的颜色字段,再一次性加载。

4.3 走deck.gl MVTLayer的完整落地

这是生产级方案。安装依赖的时候注意@deck.gl/cesium的适配版本,示例代码基于deck.gl 8.x写,9.x之后包结构和参数有调整,以官方文档为准。

JAVASCRIPT
import { Deck } from '@deck.gl/core';
import { MVTLayer } from '@deck.gl/geo-layers';
import { CesiumAdapter } from '@deck.gl/cesium';
 
const mvtLayer = new MVTLayer({
data: 'https://your-server/tiles/{z}/{x}/{y}.pbf',
minZoom: 4,
maxZoom: 19,
pickable: true,
getFillColor: (d) => {
const cls = d.properties.class || d.properties.kind || '';
if (cls === 'water') return [85, 166, 224, 220];
if (cls === 'building') return [191, 179, 155, 220];
if (cls === 'road') return [242, 201, 76, 200];
return [200, 200, 200, 180];
},
getLineColor: [80, 80, 80],
getLineWidth: 2,
lineWidthUnits: 'pixels',
pointRadiusUnits: 'pixels',
onDataLoad: (data) => {
// 数据加载后的统计逻辑放这里
}
});
 
const deckOverlay = new Deck({
layers: [mvtLayer],
canvas: 'deckgl-overlay',
});
 
const cesiumAdapter = new CesiumAdapter({
deck: deckOverlay,
cesium: viewer,
});

样式函数里可以直接读取MVT的properties做分类着色,效果比逐entity设置好很多。deck.gl把整个MVT图层当成一个WebGL层,内部自动做几何合并和批量绘制,这是它性能优于GeoJSONDataSource的根本原因。

4.4 属性字段映射建议

MVT服务的属性字段经常是英文缩写,class、kind、landuse、hwkt之类,直接拿来做样式还好,但要展示给用户看,就得做一个字段字典。

JAVASCRIPT
const fieldAliasMap = {
class: '分类',
kind: '类型',
'name:zh': '中文名称',
name: '名称',
};

我建议在解析完成后统一做一次属性名替换,提前把最终要用的字段洗好,避免渲染层和业务层都去做兼容。这个习惯能省掉很多后期沟通成本。

5. 产品化前必须处理三件事:瓦片调度、几何合并和内存控制

5.1 按视口动态加载,不要一次性把所有瓦片拉下来

如果每次根据相机中心点实时精确算瓦片层级,代码能写,但要处理视锥、范围重叠和层级边界,周期不短。一个实际工程里更好维护的做法是“按高度分档触发加载”。

JAVASCRIPT
let loadTimer = null;
 
viewer.camera.changed.addEventListener(() => {
clearTimeout(loadTimer);
loadTimer = setTimeout(loadVisibleTiles, 250);
});
 
function loadVisibleTiles() {
const carto = viewer.camera.positionCartographic;
const height = carto.height;
const centerLat = Cesium.Math.toDegrees(carto.latitude);
const centerLon = Cesium.Math.toDegrees(carto.longitude);
 
// 简单分级,不追求精确zoom
const level = height > 50000 ? 8 : height > 8000 ? 12 : 16;
// 以center所在瓦片为基准,加载周围一圈瓦片
}

分级触发的好处是可控、直观、不容易出边界问题。等基础链路稳定后,再考虑用Cesium的QuadtreePrimitive做精细调度也不迟。

5.2 合并几何体,减少DrawCall

Cesium里的GeoJSONDataSource每个要素都可能成为一个单独的绘制单元。当一屏有几千个面片时,DrawCall会明显拖慢帧率。至少要做到:多个相邻瓦片解析出的FeatureCollection合并成一个集合,然后只创建一个DataSource,而不是每瓦片都加入一个DataSource。

JAVASCRIPT
function mergeFeatureCollections(collections) {
const features = [];
collections.forEach((fc) => {
features.push(...fc.features);
});
return { type: 'FeatureCollection', features };
}

如果对性能要求极高,就要抛开GeoJSONDataSource,直接用Cesium的GeometryInstance和Primitive来批量绘制,但那意味着自己管理拾取和生命周期,工程成本高。deck.gl方案内部已经做了类似的事,这也是推荐它的原因。

5.3 PBF虽然小,解析后的内存可不小

一个300KB的PBF解析成GeoJSON之后,内存膨胀到几MB很正常。如果用户频繁缩放地图,几百个瓦片缓存下来,浏览器内存很快就顶不住了。务必要做缓存淘汰。

JAVASCRIPT
const tileCache = new Map(); // key: `${z}/${x}/${y}`
 
function cacheTile(key, source) {
if (tileCache.size > 80) {
const oldestKey = tileCache.keys().next().value;
const oldSource = tileCache.get(oldestKey);
viewer.dataSources.remove(oldSource);
tileCache.delete(oldestKey);
}
tileCache.set(key, source);
}

这是一个简单的FIFO策略,够大多数场景用了。如果要更精细的LRU,可以维护一个访问时间Map,每次命中就刷新时间戳。

5.4 后端直接返回GeoJSON行不行

这个问题很多人会问。如果数据总量不大、范围固定,后端切片时直接返回GeoJSON,前端可以省掉PBF解析的CPU开销,代码也更简单。但数据量一大,GeoJSON的传输体积会显著拖慢加载速度,MVT在带宽上的优势就凸显出来了。

我的经验标准是:单瓦片GeoJSON超过2MB,或者全图层总要素超过10万,就老老实实用MVT加前端渲染。低于这个阈值,方案A的简化版反而更稳定。

6. 实战排坑:错位、悬空、样式丢失和瓦片“窜层”

6.1 图层整体偏移:坐标系混用是最大的坑

MVT绝大多数来自Web Mercator投影的切片服务,解析出的经纬度是WGS84坐标,在Cesium里用没问题。但偶尔会遇到WGS84等经纬度切片的服务,瓦片的网格规则和Web Mercator完全不同,拿同一个z/x/y去请求,得到的范围对不上,图层就会整体偏出去一段距离。

判断方法是:随便找一个特征点,比如某条河道拐弯处,和底图影像做对比。如果偏差随层级变化、在同一方向稳定增大,基本就是投影规则不一致。解决方式是统一按Web Mercator处理,或者让数据源切换成WGS84切片模式。

6.2 样式不是丢了,是MVT本身就没有样式

没有和MVT一起提供样式文件时,建筑、道路、水系全部用默认色渲染,看起来非常“裸”,很多人会误以为是解析失败了。MVT服务方通常会配套一个Mapbox GL样式JSON,里面定义line-color、fill-color等规则,但那只是给Mapbox渲染引擎用的,Cesium不认识。

碰到这种情况,把样式JSON里每个图层对应的要素过滤条件和颜色规则提取出来,做成前端映射表,再用映射表驱动Cesium或deck.gl的样式函数。这个工作量看起来小,遇到几十个图层时就比较辛苦了,建议提前和提供方确认图层清单和分类字段。

6.3 clampToGround是救星,也是限制

MVT的数据是二维矢量,在三维地形上如果不贴地,会出现建筑悬空、道路埋入山体的情况。设clampToGround: true后,线面会贴合地形表面,基本解决问题。但相应地,实体不再有高度信息,也不能做挤出立体效果。

如果要表现立体建筑,需要从MVT属性里找height、min_height等字段,在GeoJSONDataSource加载后按属性给polygon的高度赋值。注意:贴地和挤出是有冲突的,需要根据用途选择,不是所有场景都能同时满足。

6.4 TMS的y轴翻转:一个URL拼写就能让图层颠倒

TMS服务的瓦片编号和XYZ最大的区别是y轴方向相反。把XYZ的y直接用,图层会沿着水平方向翻转错位,在低层级时尤其离谱。解决办法很简单:

JAVASCRIPT
const flippedY = Math.pow(2, z) - 1 - y;

但要注意,服务端如果已经做了翻转适配,前端再翻一次就是双重翻转,结果又错一遍。接入时最好先抓一张瓦片,用瓦片内容的经纬度范围和请求里的z/x/y做个核对,确认服务规则后再写代码。

接MVT进Cesium这件事,前前后后跑通一次之后,你会发现核心难点其实只有两块:坐标换算和渲染选型。坐标换算那套公式是通用的,不管换哪个渲染引擎都躲不开;渲染选型则要看数据规模和使用场景。如果只是想验证概念,方案A最快;要做交付级产品,我建议直接走方案B,并且把解析逻辑和渲染层在代码上解耦,这样以后换引擎不需要推翻重来。

最后再补充一个日常经验:接数据源之前先问清楚坐标系和切图规则,这两个变量决定了你后面是花十分钟还是花两天。MVT问题多数不是出在解析算法,而是出在看似无关的数据源信息确认上。

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
Windows 10/11下Drive Composer Pro 2.9.0完整安装与连接ACS880变频器实战教程
本文详细介绍了在Windows 10/11系统上安装Drive Composer Pro 2.9.0并连接ACS880变频器的完整教程。从系统环境准备、软件安装到许可证配置,再到USB、蓝牙和以太网三种连接方式的实战操作,帮助工业自动化工程师快速掌握ABB变频器的调试技巧。
北极巨兔