Cesium加载MVT矢量瓦片实战:方案选型与踩坑全记录

CesiumMVT矢量瓦片
于 2026-10-29 06:32:09 修改
·本内容遵循CC 4.0 BY-SA版权协议

MVT + Cesium,这两个词放在一起,看着简单,实际上全是坑。先说背景,我前阵子接了一个三维GIS可视化的项目,业务方给的数据是MVT格式的矢量瓦片,要求在Cesium上叠加到三维地球,要能分层控制样式、响应点击,最好还能跟地形贴合。我一开始以为这只是“加载一个图层”的事,真正动起手来才发现,MVT和Cesium之间的配合度,远没有想象中那么平滑。上网一搜“cesium加载mvt格式”,能看到不少人都在问同样的问题,但答案大多是零散的demo,很少有把原理、选型、踩坑完整串起来的。这篇文章就把我这一趟折腾的完整记录写出来,从MVT本身是什么,到为什么Cesium不能直接吃MVT,再到方案选型、核心实现和问题排查,一次说透。

1. 什么叫MVT,它和Cesium的“双向误解”

1.1 先拆一下MVT这个格式

MVT是Mapbox Vector Tile的缩写,本质上是一套矢量瓦片规范。传统栅格瓦片是一张张PNG/JPEG图片,图片上把道路、建筑、河流都“画死”了;而MVT则把几何数据(点、线、面)以Protocol Buffers二进制格式打包,按XYZ切片规则组织成一块一块的数据。每个瓦片里存的是要素坐标、图层分类、属性键值和可选的样式ID,真正在屏幕上渲染成什么样子,由客户端自己决定。这种格式的好处很直接:文件体积小、要素信息不丢失、可以根据当前缩放级别动态调整渲染样式,黑白底图、夜间模式、高亮某个图层,都是同一套数据源重新画一遍而已。

MVT的坐标体系通常是Web墨卡托投影(EPSG:3857),瓦片行列号和缩放级别遵循标准切片方案,从左上角开始编号。理解这点很关键,因为Cesium内部的工作坐标体系和这个差别很大,后面所有矛盾几乎都从这里冒出来。

1.2 为什么说Cesium并不“原生”支持MVT

Cesium原生支持的矢量数据格式,主要是GeoJSON、CZML、KML,以及更高层级的3D Tiles。也就是说,你直接给Cesium一个.mvt文件的URL,它是没法像加载GeoJSON那样直接渲染的。MVT需要先被“解码”成普通的要素集合,再被“翻译”成Cesium能理解的对象。

问题在于,MVT瓦片的数量通常非常多,一个城市级别的地图可能有成千上万个瓦片,每个瓦片里包含几千个甚至更多要素。如果逐个瓦片请求、逐个要素解析,再逐个生成Entity或者Primitive,数据量和内存开销会迅速把浏览器压垮。而且MVT内部是二进制压缩编码,解析需要专门的处理库,比如向量瓦片解析用的vector-tile-js或者geojson-vt。Cesium本身没有内置这套能力,这就成了第一个不匹配点。

第二个不匹配点是坐标系。Cesium默认使用地心坐标系统和经纬度,场景本身是三维的,相机可以任意旋转、倾斜、飞行;而MVT是二维平面切片坐标系,一切都建立在“从上往下看”的假设上。要让这两套逻辑融合,不是简单把坐标换算一下就能完事,还涉及屏幕空间与地球表面之间的动态映射问题。这也是为什么网上教程大多数都是“把MVT转成GeoJSON再加载”的简单方案——因为这条路最简单,但这方案在真实项目里性能很难看。

1.3 先搞清楚你的需求边界

在开始选型之前,一定要先想明白一件事:你到底需要MVT的什么能力?如果你的业务需求只是把一套道路、行政区划、POI叠加到Cesium上当作可视化底图,只要求“能显示、能调透明度、能控制显隐”,那方案相对轻量;但如果你需要点选要素、编辑属性、做空间查询,或者要求矢量数据严格贴合三维地形起伏,那直接加载MVT很可能不是最合适的技术路线,甚至应该考虑把数据转成3D Tiles。

我这次项目的需求比较典型:数据源是GeoServer发布的MVT瓦片,样式需求不算复杂,但对性能有硬要求,必须在海量要素下保持交互流畅,而且需要点选要素查看属性。这个组合决定了我不可能走“转GeoJSON+Entity”的路线,必须用更底层的渲染方式。下面我把实际对比过的几条技术路线展开讲。

2. 加载方案选型:四条路子,我都跑了一遍

2.1 路线A:GeoServer + WMS/WMTS曲线救国

这是最容易想到的“偷懒”方案:既然MVT是矢量数据,而GeoServer本身就能把矢量数据发布成WMS图片服务,那我不直接加载MVT,而是让GeoServer在服务端渲染好图片,再用Cesium加载WMTS图层不就行了吗?这种做法在Cesium里实现非常简单,几乎就是一个ImageryLayer的常规操作,代码几行就能跑起来。

但这条路线实际上丢掉了MVT的一切优势。MVT之所以被选中,通常是因为业务方不希望依赖服务端渲染,想要让客户端自由控制样式、灵活交互;一旦转成WMTS图片,客户端拿到的就是写死的栅格图片,样式改一次要重新发布一次缓存瓦片,也没法点选要素。所以这个方案我只在项目早期做过技术验证,验证完立刻放弃了。如果你的项目对样式定制和交互完全没有要求,只想快速看到数据效果,这个方案可以临时应急,但它不是“cesium加载mvt”问题的正解。

2.2 路线B:把MVT拆成GeoJSON再喂给Entity

这是网上最常见的做法。原理是写一个加载器,按当前视野范围计算出需要请求的瓦片行列号,逐个拉取MVT文件,用vector-tile-js解析出几何数据,再转成GeoJSON,最终通过Cesium的GeoJSONDataSource加载为Entity集合。好处是开发速度快,网上现成代码一大堆,而且Entity类型天然支持点击事件、属性读取,几乎不用额外开发交互。

问题在于性能。我第一次用这个方案加载了一个地级市的道路数据,缩放级别到14级左右时,一次需要解析几百个瓦片,每个瓦片转出几千个要素,浏览器直接卡到没法操作。后来做了视野外的懒加载,问题依然存在:每帧移动相机时都要做几何解析、坐标转换、Entity创建,JavaScript主线程根本忙不过来。而且Entity在数据量大时,Cesium内部要创建大量DrawCommand,draw call数量暴增,帧率掉到个位数。

这里我补充一个技术细节:GeoJSONDataSource加载Polygon时,如果几何带高度信息,会产生复杂的地形裁剪计算,性能更差;而且MVT的坐标是3857投影坐标,转经纬度时还需要做反投影计算,这一步本身也有一定CPU开销。所以这条路线只适合几百上千个要素的轻量场景,不适合完整城市级瓦片数据。

2.3 路线C:用带Canvas渲染层的第三方插件

这是我在项目里最终落地的方案。思路和“屏幕空间覆盖层”类似:插件在Cesium容器上叠加一个透明的Canvas画布,实时监听Cesium相机的位置、朝向、视野范围,计算出当前应该渲染哪些MVT瓦片以及它们在屏幕上的位置,然后把要素绘制在Canvas上。因为Canvas绘制是由我们自己控制的,所以要素数量再多也只有一个HTML图层叠加在三维地球上,性能基本取决于Canvas的绘制效率,而不会触发Cesium内部Primitive创建的爆炸性问题。

我用的是一个开源的CesiumVectorTile插件,核心原理就是上面说的这一套。它解决了两个关键问题:一是自动根据相机姿态计算视野范围内需要的瓦片集合,二是把MVT解析出的几何数据投影转换后绘制到Canvas上。效果上,图层能跟随三维地球平移、旋转、倾斜,虽然本质上它只是一张“贴”在屏幕上的画布,但因为每帧都重新计算绘制位置,视觉上就像是地球表面的一个图层。

这条路线也有明显短板。首先是样式表达能力弱,Canvas绘制走的是传统2D绘图接口,你不太可能完整复现Mapbox GL那种复杂样式的全部效果;其次是点击交互需要自己实现“屏幕坐标反算要素”,而不是Cesium原生的pick机制;最后是Canvas图层不贴合地形,相机倾斜角度大时,平面覆盖层和三维地形的透视偏差会非常明显。但对于“底图可视化+基础点击”的典型需求,这已经是目前最平衡的路线了。

2.4 路线D:双引擎同步相机,各干各的

还有一个偏门方案:Cesium负责三维场景,再用MapLibre GL JS在页面另外渲染一块2D地图,两者用相同的中心点、缩放级别、旋转角度做相机同步。MVT交给MapLibre渲染,Cesium只用影像底图。这个方案我之所以提出来,是因为它在一些“既要三维绕行、又要精密二维MVT渲染”的场景下确实有人在用,交互质量最高,MapLibre的样式引擎非常成熟,要做多复杂的效果都行。

但它的代价同样很大。两套渲染引擎同时工作,占用的内存和GPU资源几乎翻倍;相机同步要做精细的坐标换算,任何一帧对不上就会出现图层漂移;如果三维场景里还有地形、模型等要素,和二维MVT的视觉叠加也很难看。对我这个项目来说,这个方案杀鸡用牛刀,且同步调试成本太高,就放弃了。建议只在“三维场景主要用于展示,二维MVT图层需要高保真交互”的特定场景下再考虑。

2.5 四条路线对比:最终选型逻辑

方案 开发难度 渲染性能 样式能力 点击交互 适用场景
GeoServer发布WMTS图片 低 一般 低 不支持 仅做底图展示
解码成GeoJSON+Entity 低 差 中等 支持 小数据量、原型验证
Canvas覆盖层插件 中 优 中 需自实现 城市级MVT底图+基础交互
双引擎相机同步 高 耗资源 优 优 高保真二维渲染叠三维场景

我最终的结论是:在做真实的项目时,先明确你拿MVT想干什么。如果数据量不大,用GeoJSON方案开发最快;如果数据量大且对交互有需求,尽早接纳Canvas覆盖层的思路,不要心存幻想。

3. 实操:把MVT拉上三维地球的完整流程

3.1 准备一套可用的MVT数据源

巧妇难为无米之炊,实操第一步是搞定数据源。MVT数据源有两种常见来源:一是用tippecanoe把GeoJSON切片成本地MVT文件,再用Nginx或静态托管服务发布;二是用GeoServer的Vector Tile扩展直接发布已有数据,GeoServer从2.15版本开始内置了MVT输出能力,在图层预览里就能看到application/vnd.mapbox-vector-tile的请求格式。

我项目里用的是GeoServer方案,因为业务数据本身在PostGIS里,发布成MVT只需要在图层配置里勾选对应的输出格式,并开启GeoWebCache的瓦片缓存。需要注意,GeoServer发布MVT时,如果图层定义了SLD样式,MVT输出里会携带tile属性、layer属性等元信息,这些字段在客户端做样式匹配时会用到。如果你用tippecanoe切片,命令行参数里要特别设置--drop-densest-as-needed之类的抽稀策略,否则大比例尺下瓦片体积会很大。

这里建议先把数据源用浏览器直接访问一下验证可用性。MVT文件的Content-Type应该正确返回application/vnd.mapbox-vector-tile或者application/x-protobuf。如果返回类型不对,很多解析库会直接报错,这属于最常见的“第一道坎”。

3.2 核心代码与参数说明

以我用的CesiumVectorTile插件为例,核心加载代码大致是这个形态:

JAVASCRIPT
const viewer = new Cesium.Viewer('cesiumContainer', {
imageryProvider: new Cesium.ArcGisMapServerImageryProvider({
url: 'https://services.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer'
}),
baseLayerPicker: false
});
 
const vectorTileLayer = new CesiumVectorTile({
viewer: viewer,
url: 'http://your-geoserver-host/geoserver/gwc/service/tms/1.0.0/your-workspace:your-layer@EPSG:900913@pbf/{z}/{x}/{y}.pbf',
subdomains: [],
maximumLevel: 18,
minimumLevel: 3,
tileSize: 256,
// 样式配置,非必填
style: {
'road': {
'line-color': '#ff0000',
'line-width': 2
}
}
});
vectorTileLayer.load().then(() => {
viewer.zoomTo(vectorTileLayer);
});

这里有几个参数需要重点解释。url模板里的{z}/{x}/{y}是标准的瓦片坐标占位符,GeoServer的TMS路径里通常还带EPSG:900913@pbf这样的格式后缀,这是告诉GeoWebCache输出PBF格式的MVT。maximumLevel和minimumLevel控制瓦片请求的层级范围,这个范围如果设置得过大,相机在高层级时会出现大量计算浪费;如果过小,数据会有明显颗粒感。tileSize通常保持256,因为MVT的默认切片尺寸就是256像素。

样式配置这部分我要多说两句。这个插件支持一个简单的样式对象,可以对不同图层配置颜色、宽度、填充色。它和Mapbox GL的paint表达式不一样,不支持复杂的数据驱动样式。如果你对样式要求很高,建议直接用Mapbox的样式引擎,然后在Canvas上自己实现渲染逻辑,但那就是一个更大的工程了。对大部分项目来说,预定义一套简单样式足够用。

3.3 样式处理:从Mapbox GL样式到Canvas绘制

MVT数据本身不含视觉样式,样式是独立传给渲染引擎的。GeoServer发布MVT时,如果附带SLD样式,会在瓦片里写入layer属性和一些样式键值,但这不等于客户端会自动渲染出好看的效果。你还需要把数据图层名和你想要的渲染规则对应起来。

比如一份MVT里可能有water、road、building三个图层,你给我上面的style对象分别配置了不同的颜色和线宽,实际上就是建立了一个图层名到渲染规则的映射。在Canvas模式下,water通常画成填充多边形,road画成折线,building画成多边形加描边。这里面最容易忽略的是“避让”和“压盖”问题:Canvas绘制是按顺序来的,后画的会盖住先画的,所以通常要把水、面要素画在最底层,道路线要素其次,标注文字和POI点画在最上层。这个图层顺序在简单样式配置里往往不可控,需要你自己在代码里做绘制排序。

我项目里遇到的一个具体问题是,道路的线宽在不同缩放级别下需要渐变。在Mapbox里这是用interpolate表达式做的,在Canvas方案里只能自己根据当前zoom做线性插值计算,类似这样:

JAVASCRIPT
const lineWidth = Math.max(1, Math.min(8, (currentZoom - 10) * 0.8));

这种代码虽然简单,但对视觉效果提升非常明显。建议你在做这个方案时,多少都写一点自己的绘制增强逻辑,别完全依赖第三方插件的默认渲染效果。

3.4 与地形/影像服务的图层融合

MVT作为二维平面数据,叠加到三维地球上要处理好图层融合顺序。通常的做法是:Cesium的Globe本身加载影像底图(比如ArcGIS影像、天地图),然后Canvas覆盖层直接画在Cesium的canvas元素之上。这就带来一个问题,Canvas覆盖层永远在最上层,不管相机怎么倾斜,它都像一块“贴膜”一样盖在屏幕上。

这个特性在某些场景是优势(保证清晰可见),但在另一些场景就是灾难。比如你加载了全球地形,相机低角度平视时,道路覆盖层不会随着地形起伏弯曲,会出现道路“悬空”或“穿地”的视觉错误。CesiumVectorTile这类插件对这个问题的处理普遍有限,只能通过“当相机俯仰角小于一定阈值时自动隐藏覆盖层”来规避。我在项目里配合了一个小逻辑:监听viewer.camera.changed事件,当相机俯仰角低于25度时把MVT图层透明度降到0.2,或者完全隐藏,保证视觉上不出错误。

另外和影像底图的融合还要注意透明度设置。MVT覆盖层本身是Canvas,它是一个完全独立的不透明平面,背景默认是透明的,所以叠加在影像底图上没问题;但如果你在Canvas上填充了背景色,就会把底下整个三维场景遮住。这个坑我在调试早期踩过,当时为了排查方便给Canvas加了白色背景,结果发现三维地球完全被盖住了,还以为图层融合逻辑写错了。记住Canvas必须保持透明背景。

4. 我踩过的坑和排查实录

4.1 坐标系“水土不服”的现场重演

MVT的Geometry坐标,本质上是每个瓦片内部的相对坐标,坐标值通常在0到4096或者0到8192的范围内(取决于extent参数),解析时需要通过瓦片行列号和缩放级别换算成真实投影坐标。很多人在这个环节掉坑。我举个例子:如果直接在插件代码里把瓦片内的坐标当作WGS84经纬度传给绘制函数,画出来的线就会跑到奇怪位置,看起来就像在地球星域里乱飘。

排查思路很简单,先在断点里打印一个已知地物的坐标对。比如你知道某条路中心的Web墨卡托坐标是(12600000, 2550000)左右,那么通过瓦片换算出来的坐标应该接近这个值,如果差了好几个数量级,说明换算公式有问题。MVT的标准换算公式大致是:先根据tileSize和extent计算比例scale = tileSize / extent,瓦片内坐标乘以scale后加上瓦片原点坐标,得到3857投影坐标,再反投影到经纬度。凡是网上直接抄的代码,这个部分最容易写错,建议自己对照规范算一遍。

4.2 空瓦片请求与204 No Content

MVT服务在请求某些没有要素的瓦片时,经常返回204 No Content或者一个空的body。解析库对空数据处理不当,就会出现控制台刷错误,甚至整层图层崩溃。处理办法是在瓦片拉取后的回调里先判断内容长度和状态码,小于某个阈值就直接丢弃。

我从项目里拿到的实际数据为例,有些瓦片只有几十字节,里面其实只有几个空layer,没有实际要素。如果不做过滤,解析库会认为数据损坏。这个过滤逻辑看起来不起眼,但对稳定性帮助巨大,尤其是相机快速缩放时,会凭空多出几百个空瓦片请求,不处理的话网络和CPU都是无谓消耗。

4.3 Canvas覆盖层的点击查询怎么写

这是Canvas方案最大的痛点。Cesium原生的拾取是针对Scene里的Primitive和Entity的,Canvas画出来的东西Cesium根本不知道。所以点选要素得自己实现,基本思路是:先监听viewer.screenSpaceEventHandler的LEFT_CLICK事件,拿到鼠标屏幕坐标,然后把这个坐标换算成经纬度,再根据当前缩放级别反算对应的瓦片行列号,解析该瓦片数据后做“点多边形包含”判断或者“点到线距离”判断,命中就弹出属性信息。

这一步的性能开销集中在“反算瓦片+解析瓦片数据”上,为了交互流畅,我做了两级缓存:一是瓦片数据本身的内存缓存,同一个瓦片只解析一次;二是点击命中结果缓存,如果点击坐标和上一次距离很近,直接复用上一次的解析结果。这样实际体验基本能做到无感点击,不会出现点击后卡顿半秒才出结果的问题。

4.4 性能优化建议:从瓦片裁剪到离屏Canvas

前面说过,Canvas覆盖层的性能瓶颈在于绘制本身的效率。数据量大时,一次重绘包含上万条折线或多边形,Canvas的2D API撑不撑得住,很大程度取决于绘制策略。

我试过几个有效的优化手段。第一,视野过滤:根据当前相机可视范围,跳过范围外的要素,这一步比想象中更重要,因为一个瓦片内可能有一半要素在屏幕外。第二,层级抽稀:当地图缩小到低级别时,简单过滤掉低优先级图层,或者降低线宽、减少点位密度,视觉影响很小但性能提升明显。第三,离屏Canvas缓存:对帧间变化不大的静态区域,把绘制结果先画到离屏Canvas上,相机移动时直接贴图,等相机停下来再增量更新。这个方法能把渲染成本摊到“只在需要重绘时重绘”,实测帧率能提升一倍以上。

另外,我还发现一个Cesium层面的优化技巧:关闭未覆盖区域的影像渲染或者降低影像分辨率,这样能把GPU资源省给Canvas合成。具体操作是在图层加载时设置maximumScreenSpaceError,把影像精度要求适当放宽,因为MVT图层本身就是精确数据叠加,影像底图模糊一点用户几乎感知不到。

4.5 常见问题速查表

问题 典型现象 排查方向
数据请求返回类型不对 控制台报MVT解析失败 检查响应头Content-Type,确认发布服务配置的MIME类型
图层位置偏移 要素跑到海洋或严重错位 检查坐标换算公式是否经过3857反投影
空瓦片导致白屏 图层只显示一部分 增加空瓦片过滤,或直接忽略204响应
Canvas遮住三维场景 地球看不见了 检查Canvas是否设置了不透明背景色
相机倾斜时覆盖层穿帮 道路“悬空”或“钻地” 监听相机俯仰角,低于阈值自动隐藏覆盖层
点击无法拾取要素 点击无任何反应 确认是否自己实现了拾取逻辑,Cesium原生pick不覆盖Canvas
镜头快速旋转卡顿 掉帧严重 开启离屏Canvas缓存,并做视野外要素裁剪

这张表我建议直接收藏。自己做项目时,大部分时间浪费的都是这些看起来不起眼、但一出现就让人挠头的问题。

说点实际的收尾建议

在真实项目里,MVT和Cesium的组合注定不是“开箱即用”的,你得接受一个事实:Cesium的原生数据模型和MVT的切片模型存在本质差异,任何方案本质上都是在做折中和补偿。如果你只是想把MVT显示出来,Canvas覆盖层是最成熟的捷径;如果你要完整的交互和精准的空间分析,那我建议趁早考虑把数据转成3D Tiles,而不是死磕MVT在Cesium里的原生支持。就我个人而言,走完这一套流程后,最大的体会是:工具永远是工具,先想清楚你要解决的是“显示问题”还是“空间分析问题”,再去选技术路线,能少走很多弯路。最后再分享一个小技巧,项目的Debug阶段给Canvas覆盖层加一个缩放级别计数器,显示在页面角落,排查瓦片请求异常和层级设置问题时,这个计数器能帮你快速定位问题发生在哪一层,比任何日志都好用。

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
别再自己造轮子了!用MONAI Model Zoo里的预训练模型,5分钟搞定医学影像AI项目
本文介绍了如何利用MONAI Model Zoo中的预训练模型快速搭建医学影像AI项目,大幅节省开发时间和计算资源。通过实战案例展示了UNet、DenseNet121等核心模型的应用技巧,帮助临床医生和研究者5分钟内启动高质量医学影像分析,特别适合小样本场景下的病灶分割和分类任务。
weixin_33704234