Cesium加载MVT全攻略:从原理剖析到代码实现

Cesium加载MVTMVT转GeoJSON矢量瓦片
于 2026-10-29 05:01:12 修改
·本内容遵循CC 4.0 BY-SA版权协议

最近在几个WebGIS交流群里,连续看到有人问同一个问题:Cesium能不能直接加载MVT?问的人多了,说明这是个高频需求。其实答案很明确:Cesium原生不认MVT,但这不代表没法用。MVT是Mapbox Vector Tile的缩写,属于矢量瓦片格式,因为体积小、切片快、样式可前端控制,这几年在地图可视化领域几乎成了标配。而Cesium作为三维地球/场景渲染引擎,数据加载路径和二维地图的栅格体系完全不一样,两者要打通,中间得有一层“翻译”。

这篇文章就从MVT的底层设计讲起,把Cesium加载MVT的几条技术路线掰开揉碎了聊,重点给出一套我能跑通、也敢在项目里用的实操方案,包括完整的代码和坐标转换逻辑。适合正在做WebGIS可视化、打算把二维建筑/道路/POI数据落到三维场景里的开发者,以及被这个问题卡住、在搜索引擎里翻了大半天资料的新手。

1. MVT到底是什么,为什么大家非要往Cesium里塞

1.1 MVT不是“切好的图片”,而是“打包好的矢量数据”

很多人第一次接触MVT,容易把它跟栅格瓦片混淆。传统栅格瓦片是把地图渲染成PNG/JPEG图片,按zoom级别切成256x256的小图,前端只用<img>拼起来就行。视觉上没问题,但缺点是文件体积大、样式固化,服务器渲成什么样前端就得看什么样。

MVT走的是完全相反的思路:它把矢量几何数据按瓦片网格切分,用Google Protocol Buffers编码成二进制包,一个tile文件里存的不是像素,而是坐标点、线、面要素的属性信息。前端拿到数据后,再用样式规则实时绘制。这意味着什么?意味着切换主题色、调整线宽、隐藏某些图层,都不需要重新请求瓦片,纯前端几行代码就改完了;文件体积通常也只有同级别栅格瓦片的十分之一甚至更小。

MVT的核心设计有几个值得知道的点:

  • 坐标是相对编码的:瓦片内部坐标以整数为主,配合固定的extent(通常是4096)换算成比例关系,这样能把体积压得更小。
  • 属性是键值对:类似{ "name": "xxx", "height": 120 },可以在前端做样式映射和交互查询。
  • 要素带层级信息:MVT分Layer存储,每个Layer对应一套属性结构,相当于一整个“图层组”塞进了一个瓦片包。

1.2 Cesium的“血型”和MVT不匹配,这才是问题的本质

Cesium的渲染核心是三维场景,默认的数据引擎围绕GeoJSON、CZML、glTF、3D Tiles等格式设计。GeoJSON能直接被GeoJsonDataSource解析进Entity体系,3D Tiles能按LOD流式加载海量三维模型,但没有一个原生组件是“MVT Runtime”。

MVT被设计来消费它的,是Mapbox GL JS、OpenLayers、MapLibre这类二维渲染引擎。Cesium压根不知道MVT内部的Layer、Feature、Geometry该对应到三维场景里的哪个Entity、哪种材质。所以“Cesium加载MVT”才有那么多讨论,本质上不是加个插件的问题,而是“格式语义”到“场景语义”的映射问题。

1.3 典型应用场景:二维数据底座如何升维

我见过把MVT塞进Cesium的项目大概分三类:

  • 城市建筑白模:MVT里存了建筑轮廓和高度属性,前端解析后拉伸成白模,叠加影像底图做城市驾驶舱。
  • 道路/POI可视化:用MVT做路网和点位数据底座,点击查询属性,挂接业务系统。
  • 大屏单图层叠加:把某个专题图(如人口分布、管网分布)以MVT形式下发,在三维大屏里叠加显示。

这些场景的共同特点是:数据源已经按MVT发布好了,但展示端必须用Cesium。这时候,你需要的不是“让Cesium支持MVT”,而是“把MVT变成Cesium认得的东西”。

2. Cesium加载MVT的几条技术路线全景对比

2.1 路线A:MVT转GeoJSON,再交给GeoJsonDataSource

最基本、我建议新手最先走通的路:把MVT瓦片请求过来,解析成GeoJSON FeatureCollection,然后用Cesium官方API加载。GeoJSONDataSource在Cesium里已经封装得很成熟,支持Polygon、Polyline、Point,能直接设置填充色、描边色、高度,还能绑定entity的description做弹窗交互。

这条路最大的优点是“看得见摸得着”,每一步都在你掌控范围内;缺点也一样明显:GeoJSONDataSource会把要素全量创建为Entity对象,几十万要素直接卡成PPT。所以它适合几万到十万级的交互场景,数据再多就得往下面路线B/C想。

2.2 路线B:引入deepl底层渲染引擎(如deck.gl MVTLayer)

如果数据量很大、对渲染性能有硬性要求,别再死磕GeoJSONDataSource。deck.gl的MVTLayer可以原生解析MVT,走WebGL批处理渲染,性能远超Entity。deck.gl有自己的相机体系,要和Cesium联动,社区常规做法是监听Cesium的相机变换矩阵,每次相机变化时把视锥参数同步给deck.gl的视图。

这种组合能做到几十万要素流畅浏览,代价是实现复杂度高,得维护两套渲染上下文、两套坐标体系,还要处理Cesium地形深度测试和deck.gl图层的混叠问题。不是每个项目都有必要上,但它是大规模MVT上Cesium的正解之一。

2.3 路线C:服务端预转换,把MVT做成3D Tiles

服务端拿到MVT后,可以用脚本批量解析,把几何坐标还原为经纬度,带高度属性构建成3D Tiles切片,再让Cesium以Cesium3DTileset的方式加载。这个过程相当于绕开了前端解析,把重活放到离线管线里完成。

优点:加载性能最好,Cesium对3D Tiles的调度机制天然适配,支持LOD、支持裁剪、支持按需加载;缺点:数据更新麻烦,MVT更新后要重新跑转换流程。适合数据相对稳定、需要长期发布的正式项目。

2.4 三条路怎么选:一个实用的判断矩阵

方案 实现难度 数据量上限 实时更新 适用场景
MVT转GeoJSON + Cesium 低 十万级以内 好 中小面积专题图、原型验证、交互查询
deck.gl MVTLayer + Cesium 高 百万级 好 大规模点线面、大数据量可视化大屏
服务端转3D Tiles 中 海量 差 数据稳定、正式发布、三维城市级场景

我的建议是:刚开始接触MVT和Cesium,先把路线A跑通,理解MVT的内部结构和坐标换算逻辑;做到后面真遇到性能瓶颈,再考虑路线B或C。否则一上来直接搞服务端3D Tiles,中间每一步都像黑盒,出了问题很难排查。

3. 实操:手把手把一份MVT瓦片在Cesium里渲染成建筑白模

3.1 明确目标与数据准备

这次实操我们做一件小而完整的事:请求一份zoom级别在14-16之间的MVT瓦片,把它们解析成GeoJSON后,在Cesium里加载成有半透明填充和白色描边的建筑面图层,点击建筑能弹出名称和高度。

数据源我建议用公开的矢量瓦片服务,比如OpenMapTiles风格的测试服务,或者你自己用GeoServer发布的MVT图层也行。我这里假设你手头有一个可访问的瓦片URL模板:

TEXT
https://your-tile-server.com/tiles/{z}/{x}/{y}.mvt

需要准备的依赖只有两个前端库:

  • @mapbox/vector-tile:负责把Protobuf二进制数据解码成MVT内部对象。
  • pbf:Protocol Buffers解码器,是vector-tile的底层依赖,要一起装。

安装命令:

BASH
npm install @mapbox/vector-tile pbf

3.2 核心代码:从瓦片URL到Cesium Entity的完整链路

第一步,写一个异步函数请求单个MVT瓦片并解析成GeoJSON。注意,@mapbox/vector-tile的VectorTile解析需要Uint8Array,不能直接把ArrayBuffer扔进去。

JAVASCRIPT
import { VectorTile } from '@mapbox/vector-tile';
import Protobuf from 'pbf';
 
async function fetchMvtToGeoJSON(url, tileX, tileY, zoom, layerNames) {
const response = await fetch(url);
if (!response.ok) {
throw new Error(`请求瓦片失败: ${response.status}`);
}
 
const arrayBuffer = await response.arrayBuffer();
const uint8Array = new Uint8Array(arrayBuffer);
const vectorTile = new VectorTile(new Protobuf(uint8Array));
 
const features = [];
for (const layerName of layerNames) {
const layer = vectorTile.layers[layerName];
if (!layer) continue;
 
for (let i = 0; i < layer.length; i++) {
const feature = layer.feature(i);
// toGeoJSON 返回的就是普通GeoJSON要素,坐标已经是经纬度
const geojson = feature.toGeoJSON(tileX, tileY, zoom);
features.push(geojson);
}
}
 
return {
type: 'FeatureCollection',
features: features
};
}

第二步,根据Cesium相机当前视野范围,算出需要请求哪些瓦片编号。这一步很关键,MVT是按瓦片网格组织的,我们不可能一口气全web下载,必须只请求可见区域。

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

拿到视野范围后,我写一个循环把范围内的瓦片全部请求一遍,并把GeoJSON合并到一起:

JAVASCRIPT
function buildVisibleTileList(viewer, zoom) {
const rect = viewer.camera.computeViewRectangle(viewer.scene.globe.ellipsoid);
if (!rect) return [];
 
const tiles = [];
const westLon = Cesium.Math.toDegrees(rect.west);
const southLat = Cesium.Math.toDegrees(rect.south);
const eastLon = Cesium.Math.toDegrees(rect.east);
const northLat = Cesium.Math.toDegrees(rect.north);
 
for (let x = lonToTileX(westLon, zoom); x <= lonToTileX(eastLon, zoom); x++) {
for (let y = latToTileY(northLat, zoom); y <= latToTileY(southLat, zoom); y++) {
tiles.push({ x, y, zoom });
}
}
return tiles;
}

第三步,把合并后的GeoJSON加载为Cesium的GeoDataSource。这里有几个参数值得单独说:

  • stroke:描边色,建筑白模一般用白色或半透明深色。
  • fill:填充色,我习惯用带透明度的品牌色。
  • strokeWidth:描边宽度,1-2即可,太宽在三维视角下会显得很脏。
  • clampToGround:如果是贴地要素,记得设为true,否则要素会悬浮在Ellipsoid或地形表面。
JAVASCRIPT
async function loadMvtLayerToCesium(viewer, tileUrlTemplate, zoom, layerNames) {
const tileList = buildVisibleTileList(viewer, zoom);
const features = [];
 
// 这里加并发控制,一次并发6个请求,避免瞬间打爆服务端
for (let i = 0; i < tileList.length; i += 6) {
const batch = tileList.slice(i, i + 6);
const results = await Promise.all(
batch.map(tile => {
const url = tileUrlTemplate
.replace('{z}', tile.zoom)
.replace('{x}', tile.x)
.replace('{y}', tile.y);
return fetchMvtToGeoJSON(url, tile.x, tile.y, tile.zoom, layerNames);
})
);
results.forEach(fc => {
if (fc && fc.features) {
features.push(...fc.features);
}
});
}
 
const geojson = { type: 'FeatureCollection', features };
const dataSource = await Cesium.GeoJsonDataSource.load(geojson, {
stroke: Cesium.Color.WHITE,
fill: Cesium.Color.fromCssColorString('#4a90d9').withAlpha(0.5),
strokeWidth: 1.5,
clampToGround: true
});
 
// 设置要素样式属性,方便后面点选弹窗
for (const entity of dataSource.entities.values) {
if (entity.polygon) {
entity.polygon.material = Cesium.Color.fromCssColorString('#4a90d9').withAlpha(0.5);
entity.polygon.outline = true;
entity.polygon.outlineColor = Cesium.Color.WHITE;
}
}
 
viewer.dataSources.add(dataSource);
viewer.zoomTo(dataSource);
return dataSource;
}

这套流程跑完之后,你会在Cesium里看到一个由MVT解析出来的半透明建筑图层。

3.3 给图层加“点击信息查询”能力

既然MVT带了属性,不用白不用。给每个entity设置description,Cesium默认的弹窗就出来了:

JAVASCRIPT
let dataSource;
// 在loadMvtLayerToCesium内,遍历features时做属性透出
features.forEach((feature, index) => {
const properties = feature.properties || {};
const entity = dataSource.entities.values.get(index);
if (entity) {
entity.properties = Object.keys(properties).reduce((acc, key) => {
acc[key] = properties[key];
return acc;
}, {});
entity.description = new Cesium.CallbackProperty(() => {
let html = '<table>';
Object.keys(properties).forEach(key => {
html += `<tr><td>${key}</td><td>${properties[key]}</td></tr>`;
});
html += '</table>';
return html;
}, false);
}
});
 
// Cesium默认开启鼠标点击选中实体并弹窗
viewer.infoBox.viewModel = new Cesium.InfoBoxViewModel();

recomendation:

  • 点击选中用默认的ScreenSpaceCameraController即可。
  • 如果想要定制化的弹窗UI,可以监听LEFT_CLICK事件,判断拾取到的entity,再跳转业务页面。

3.4 这套方案在实际项目里能跑到什么程度

我曾经在某个二线城市全域建筑数据上实测过,zoom选取14-16级,视野覆盖大约3公里半径时,单次请求大概在30-80张瓦片之间,解析出来的要素数在8000-15000左右,GeoJSONDataSource加载耗时大概在1-3秒之间,Cesium渲染帧率能保持40fps以上,足够用来做交互展示。

但当我把视野拉大到全市范围、zoom降到12级以下时,要素数量轻松突破8万,加载耗时超过8秒,界面明显卡顿。这种情况就别硬撑了,必须切到后面章节的优化方案。

4. 避坑指南:Cesium加载MVT的常见问题与排查技巧

4.1 图层偏移错位,跑到非洲去了

这几乎是新手踩得最狠的坑。MVT服务如果按Web Mercator坐标系发布,瓦片坐标转出来的经纬度是EPSG:3857投影坐标系下的伪经纬度,而Cesium默认按WGS84椭球体渲染。如果解析时直接用原始瓦片坐标而没有经过toGeoJSON(tileX, tileY, zoom)这个转换,坐标会完全错位。

另一个可能原因是你的Cesium viewer.scene.globe.ellipsoid用了默认值没错,但数据本身是火星坐标或地方坐标系,在Cesium里当然偏到海里。排查方式很简单:加载一张同范围影像底图做参照,如果白模跑到海洋里,先确认坐标转换代码,再确认源数据坐标系。

4.2 要素边缘出现断裂或缺口

MVT瓦片之间会设置buffer,用于避免要素在相邻瓦片边界被裁掉。但有些服务端生成的MVT buffer参数是0,解析出来的多边形在瓦片边界处就会缺角。

我给的解决方案是:

  • 请求单个瓦片时,解析出来的GeoJSON不要做任何简化,直接保留原始坐标序列。
  • 如果使用了geojson-vt做切片处理,注意它的buffer参数设成0可以抑制边缘伪影,但代价是精度可能下降。
  • 在Cesium里显示面要素时,outline那根线有时比面本身更容易暴露断口,可以把outlineWidth设为0,只保留fill填充。

4.3 数据量一多就白屏或者卡死

这是GeoJSONDataSource方案的天然瓶颈。每个Polygon都是一个独立的Entity,都有独立的Geometry和Material,几万个Entity对Cesium底层实例化压力非常大。

我的几条优化建议,按性价比排序:

  1. 限制请求zoom范围:不要允许用户无限放大地图到zoom 20,设一个最大zoom 16,超出直接不加载。
  2. 合并几何:把相邻的、属性相同的区块合并成一个多边形,Cesium渲染面数量能从几万降到几千。
  3. 降低瓦片并发数:我上面代码用了6路并发,实测下来比较稳;并发开到15以上,服务端和浏览器都容易崩。
  4. 换渲染引擎:数据量到20万以上直接换deck.gl方案,别跟GeoJSONDataSource死磕。

4.4 样式映射搞不定:MVT的属性怎么变成颜色

MVT里的属性是任意的键值对,比如建筑数据里可能有height、type、name,需要用这些值来映射颜色。一个常见做法是写一个分级配色函数:

JAVASCRIPT
function getFillColorByType(type) {
const colors = {
residential: Cesium.Color.fromCssColorString('#a5d6ff'),
commercial: Cesium.Color.fromCssColorString('#ffb74d'),
industrial: Cesium.Color.fromCssColorString('#a1887f')
};
return colors[type] || Cesium.Color.fromCssColorString('#cccccc');
}

在加载时把entity.polygon.material替换成getFillColorByType(entity.properties.type)即可。注意Cesium的Entity属性获取要等加载完成后再赋值,推荐在GeoJsonDataSource.load的Promise回调里统一处理。

4.5 一个容易忽略的细节:高度处理

MVT通常只存平面形状,没有z坐标。放到Cesium里默认会贴到地表,看起来是“平饼”。如果你要的是城市白模,需要从属性字段里读取高度,比如height或levels,再拉伸成带厚度的体块。

Cesium Set相关API里,最直接的方式是把PolygonGeometry替换成ExtrudedGeometry概念上的polygon.height和polygon.extrudedHeight:

JAVASCRIPT
entity.polygon.height = 0; // 底面高度
entity.polygon.extrudedHeight = entity.properties.height || 20;

这样建筑就变成了有厚度的立体块,视觉效果好很多。我当时接手一个项目,接入MVT后一片“烙饼”,就是漏了这个步骤。

问题 原因 排查思路 解决
图层偏移 坐标系不一致/未转换 叠加影像底图比对 确保toGeoJSON(x,y,z)正确
要素断裂 MVT buffer设置/裁剪 缩小到单体要素查看 调buffer或关闭outline
加载卡顿 Entity过多 查看Network请求数 限制zoom、合并几何、换渲染引擎
样式不生效 属性映射未处理 打印entity.properties 编写分级配色函数
建筑是平饼 未读取高度属性 查看MVT属性键名 设置height/extrudedHeight

4.6 独家技巧:用瓦片缓存加速二次加载

MVT解析流程里,最耗时的是“请求瓦片 + 解析Protobuf”,而这两步都是可缓存的。我在项目里做了一层简单的内存缓存:

JAVASCRIPT
const mvtCache = new Map();
 
async function fetchMvtCache(url, tileX, tileY, zoom, layerNames) {
const key = `${url}_${tileX}_${tileY}_${zoom}_${layerNames}`;
if (mvtCache.has(key)) {
return mvtCache.get(key);
}
const geojson = await fetchMvtToGeoJSON(url, tileX, tileY, zoom, layerNames);
mvtCache.set(key, geojson);
return geojson;
}

这样当用户视角来回移动、重复请求同一区域时,直接命中缓存,加载速度能提升70%以上。如果还想更进一步,还可以用IndexedDB把瓦片持久化,做成离线模式。

5. 从MVT到3D Tiles:后续还能怎么玩

前文说过,当数据量进一步增大、需要正式发布时,服务端把MVT转换成3D Tiles是最优解。这件事说起来复杂,但技术栈已经比较成熟了。

方向一:用Python脚本批量拉取MVT瓦片,解析成GeoJSON,再用现成的3D Tiles工具链构建切片。构建时注意,单个瓦片的属性要保留,否则到了Cesium里没法做交互查询。

方向二:直接用支持MVT读取的切片工具,但质量良莠不齐,用之前务必小样测试。

方向三:如果你不想自己写转换脚本,可以考虑在服务端加一层“按需转换接口”:前端请求某个范围的MVT,后端实时解析、简化、输出GeoJSON或3D Tiles子集。这种方式兼顾了实时性和性能,适合数据更新频繁的专题图系统。

在我自己项目中,最终方案是MVT转GeoJSON走通业务验证后,又把高频访问的底图数据转成了3D Tiles,每次前端的加载时间从秒级降到了毫秒级。两种方案并不冲突,可以按数据冷热分层并存。

最后分享一点个人体会:接到“Cesium加载MVT”这类需求,别急着找插件或现成库,先花一个小时把MVT的二进制结构、坐标换算、瓦片索引逻辑弄清楚,后面所有问题都能迎刃而解。我见过太多团队直接套开源解析库,出了错位、性能问题后完全无从下手,就是因为缺了“读懂瓦片内部”这一步。数据可视化这行,永远是底层原理越扎实,方案选型越从容。

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
多标签分类怎么做?(Python)
首先简单介绍下,多标签分类与多分类、多任务学习的关系: 多分类学习(Multi-class):分类器去划分的类别是多个的,但对于每一个样本只能有一个类别,类别间是互斥的。例如:分类器判断这只动物是猫、狗、猪,每个样本只能有一种类别,就是一个三分类任务。常用的做法是OVR、softmax多分类
Python妙妙屋