Cesium加载MVT矢量瓦片:从GeoServer发布到GeoJSON渲染实践

MVTCesiumGeoJSON
于 2026-10-29 06:21:23 修改
·本内容遵循CC 4.0 BY-SA版权协议

最近在做三维场景可视化项目,要把二维GIS平台上维护了好几年的政区、道路、兴趣点矢量数据搬到 Cesium 里展示。二维那边已经按 Mapbox Vector Tiles 标准切好了矢量瓦片,.pbf 后缀,服务也通了,请求返回也正常。结果数据到了 Cesium 这边,死活不出来。查了一圈才发现,Cesium 原生压根不认 MVT 格式,哪怕你在 URL 里把 format=application/vnd.mapbox-vector-tile 写清楚,它也不知道怎么把 Protocol Buffer 编码的瓦片解析成可渲染的几何体。

那段时间我把 Cesium 的加载 MVT 方案从服务端到前端捋了一遍,也踩了不少坑。这篇就把整个过程拆开来讲:MVT 格式的本质、Cesium 不原生支持的底层原因、主流的加载路线对比,以及我最终用的可落地组合方案——GeoServer 发布 MVT 瓦片服务,前端解析为 GeoJSON 后交给 GeoJsonDataSource 渲染,同时兼顾大数据量下的性能优化思路和典型的排错路径。

如果你是刚接触 MVT 数据、想在 Cesium 里把现有矢量切片资产用起来,或者已经在加载过程中遇到图层偏移、要素丢失、渲染卡顿这类问题,这篇应该能帮你省不少时间。

1. 为什么 Cesium 加载不了 MVT:格式本质与渲染机制的差异

1.1 MVT 格式的核心特征解析

MVT(Mapbox Vector Tile)本质上是 Mapbox 定制的一种矢量瓦片编码规范,底层用 Google Protocol Buffers 做二进制序列化。每个瓦片文件里装的不是一个渲染好的图片,而是这个范围内的几何要素和属性数据。客户端拿到瓦片后自己负责"画",你可以自由控制线宽、填充色、标注字号,想怎么改样式就怎么改样式。

几个关键参数值得牢记:

  • 瓦片坐标空间:MVT 内部几何坐标是相对于瓦片左上角原点的整数值,范围通常是 0~4095(即 extent=4096),单位是"瓦片内部像素",不是经纬度也不是米。
  • buffer 缓冲区:切片时默认在瓦片边界外多切 256 像素的要素,避免跨瓦片的线、面在边缘处被硬生生裁断。
  • 几何类型:支持 POINT、LINESTRING、POLYGON,以及对应的 MULTI 版本,对 Cesium 来说基本够用。
  • 属性绑定:要素的字段属性存储在 Feature 的 tags 中,以索引方式引用图层属性表,比 GeoJSON 的键值对结构紧凑很多。

这个格式的设计初衷很明确:把"数据组织"和"渲染呈现"解耦。传统栅格瓦片切一次就只能按固定样式展示,MVT 切一次却能喂给任意支持矢量渲染的客户端。

1.2 Cesium 不原生支持的底层原因

Cesium 的渲染体系围绕 Entity 和 Primitive 两层接口展开。GeoJsonDataSource 能直接消费 GeoJSON,是因为它内部帮你完成了 GeoJSON 到 Entity 或 Primitive 的转换。但 MVT 是完全基于 Protocol Buffers 的二进制格式,Cesium 核心库里没有内置任何 Protocol Buffers 解码器,也没有针对 VectorTile 的适配层,自然只能干瞪眼。

换个角度理解这件事:MVT 不是"一种坐标格式",而是"一个完整的要素编码协议"。要让 Cesium 用上 MVT,你必须先把它转回通用矢量交换格式(通常是 GeoJSON),再喂给 Cesium 的 DataSource。所有方案的核心都绕不开这一步。

1.3 坐标体系的差异问题

MVT 瓦片内的坐标是本地相对坐标,必须结合瓦片的 extent、buffer、切片的 origin 才能换算成真实地理坐标。而 Cesium 的 GeoJsonDataSource 期望的是标准的 WGS84 经纬度坐标(EPSG:4326)。GeoServer 在输出 MVT 时,坐标基准通常已经转成了 Web Mercator(EPSG:3857),所以前端拿到 MVT 后要做的换算有两层:

  • 瓦片本地像素坐标 → Web Mercator 投影坐标
  • Web Mercator 投影坐标 → WGS84 经纬度坐标

任何一个环节算错,出来的图层就会偏移、错位甚至整体跑到另一个半球。这个坑我在第 5 章会专门列出来讲,微信上已经不止一个同行问过我"为什么我的数据跑到了海里"。

2. 加载 MVT 的前置准备:数据体检与方案选型

2.1 数据自检:别让脏数据耗尽你的排查时间

在动手写任何代码之前,先把数据源头过一遍。我见过太多人方案没错、代码没错,最后死在数据上。

先确认数据范围与坐标系是否一致。如果底图是 Cesium 默认的全球影像,加载的数据却是某个地方坐标系的成果,那再怎么调代码也白搭。其次确认几何类型是否符合目标应用——Cesium 的 GeoJsonDataSource 对 MultiPolygon 支持得不错,但如果你数据里含有 GeometryCollection 嵌套或者自相交面,渲染时容易出现怪异的破面。

最后强烈建议用 QGIS 直接打开你的数据,看一眼要素数量和属性字段。后面调样式时需要根据属性字段做颜色映射、大小映射,字段名记错一个,前端样式就全乱。我自己吃过这个亏,属性字段是 POPULATION,我在代码里写成 population,浏览器控制台一点错误都不报,只是图层全部用默认样式渲染,查了半天。

2.2 四条可行的技术路线对比

目前主流的 Cesium 加载 MVT 方案大致有四条,各有适用的场景:

方案 核心思路 优点 缺点 适合场景
前端解析方案 用 pbf + @mapbox/vector-tile 解码后转 GeoJSON,交给 GeoJsonDataSource 链路清晰,代码可控,无需额外后端服务 解码+转换+建 Entity 三步都在前端执行,数据量大了会卡 中小数据量,自用项目
后端转发/代理方案 后端定时拉取 MVT,解码转 GeoJSON 后通过接口输出 前端零解析负担,更利于前端性能 需要维护后端服务,实时性差的场景不适合 对前端性能要求高、团队有后端资源
入库动态出图方案 把矢量数据导入 PostGIS,后端按需查库生成 GeoJSON 或 MVT 数据治理能力最强,适合复杂业务查询 架构重,需要数据库和地图服务配合 数据量大且业务复杂,有 GIS 团队维护
使用专用 WebGIS 框架间接加载 先用 Leaflet/MapLibre 加载 MVT,再与 Cesium 做同步联动 对于 MVT 的渲染最省事,成熟稳定 双渲染引擎并存,坐标同步繁琐 需要既保留二维专题图又展示三维场景

2.3 我推荐的组合方案及其理由

我最终的选型是"GeoServer 发布 MVT + 前端解析转 GeoJSON + Cesium GeoJsonDataSource"。原因很简单:

  • GeoServer 自带 MVT 输出能力,不需要额外开发切片服务;
  • 前端解析链路成熟,pbf 和 @mapbox/vector-tile 两个库稳定且文档齐全;
  • 不引入重后端,成本可控。

如果你数据量确实很大(比如几十万要素起步),我更建议你考虑方案三,把数据接到 PostGIS 里,用 GeoServer 直接读取 PostGIS 表发布服务,前端同样走解析链路,但数据库层面已经做了空间索引、按需查询,性能会好很多。

3. 完整实操:GeoServer 发布 MVT 服务并接入 Cesium

3.1 环境版本与数据准备

先说版本,GeoServer 对 MVT 的支持从 2.15 版本开始陆续完善,我建议直接用 2.19 以上的版本,低版本在跨瓦片要素的 buffer 处理上有不少 bug,容易出现边缘裂缝,排查起来非常头疼。

数据准备阶段,我用的是一份某地级市的行政区划面数据(shp 格式),投影为 WGS84 经纬度。导入 GeoServer 的步骤比较简单:

  1. 在 GeoServer 管理界面新建 Store,类型选 Shapefile;
  2. 上传 shp 文件,指定 EPSG:4326 坐标系;
  3. 发布图层时在 SRS 设置里选择 EPSG:3857(如果你希望切片输出为 Web Mercator 坐标),保存后得到图层名称。

要注意,发布图层时选择的坐标系会影响 MVT 输出的坐标基准。我在发布时选择了 EPSG:3857,这样 MVT 瓦片里的坐标天然就是 Web Mercator,前端换算时只需做一次投影转经纬度。如果你发布为 EPSG:4326,那后续转换逻辑要额外处理。

发布完成后,在 Layer Preview 里直接在 All Formats 下拉里能找到 application/vnd.mapbox-vector-tile,能预览说明服务已就绪。

3.2 MVT 服务的请求地址构造

GeoServer 的 MVT 有两种常见请求方式:WMS 方式和 TMS/XYZ 方式。WMS 方式比较灵活,可以自由指定图层、bbox、尺寸。TMS/XYZ 方式更贴合前端切片加载的习惯。

WMS 方式示例(GET 请求):

HTTP
http://your-server:8080/geoserver/wms?
service=WMS&
version=1.1.0&
request=GetMap&
layers=your-workspace:your-layer&
styles=&
format=application/vnd.mapbox-vector-tile&
tiled=true&
width=256&height=256&
srs=EPSG:3857&
bbox=12645604.176,2620827.202,12645916.428,2621139.454

TMS/XYZ 方式则是通过 GeoWebCache 服务提供:

HTTP
http://your-server:8080/geoserver/gwc/service/wmts/rest/
your-workspace:your-layer/
EPSG:3857/
your-style/
{z}/{y}/{x}?format=application/vnd.mapbox-vector-tile

如果服务需要鉴权,可以在请求里附带 token 参数,或者使用请求头认证。我这边项目对内部开放,暂时没加鉴权,但接口 URL 已经留了加 token 参数的扩展位。

3.3 前端解码与坐标换算核心代码

前端项目我用的 Vite + TypeScript,引入两个核心库:

BASH
npm install pbf @mapbox/vector-tile

注意 @mapbox/vector-tile 的 VectorTile 构造函数需要传入一个 Pbf 实例。整体解码流程如下:

JAVASCRIPT
import Protobuf from 'pbf';
import { VectorTile } from '@mapbox/vector-tile';
 
async function fetchMvtTile(url) {
const res = await fetch(url, {
headers: { 'Content-Type': 'application/vnd.mapbox-vector-tile' }
});
if (!res.ok) {
console.warn('MVT tile request failed:', res.status);
return null;
}
const buffer = await res.arrayBuffer();
const tile = new VectorTile(new Protobuf(new Uint8Array(buffer)));
return tile;
}

拿到 tile 后,tile.layers 是一个对象,键是图层名,值是 VectorTileLayer。每个图层里有若干 feature,我们需要遍历它们并转换为 GeoJSON 的 FeatureCollection。

坐标换算的核心是拿到瓦片范围。对 EPSG:3857 规范的 XYZ 切片,第 z 级第 x, y 块对应的 Web Mercator 范围可以按下式计算:

JAVASCRIPT
const tileSize = 256;
const mercatorResolution = 40075016.68557849 / tileSize / Math.pow(2, z);
 
const west = -20037508.342789244 + x * tileSize * mercatorResolution;
const east = west + tileSize * mercatorResolution;
const north = 20037508.342789244 - y * tileSize * mercatorResolution;
const south = north - tileSize * mercatorResolution;

随后把瓦片内的相对像素坐标映射到这个范围内(注意 extent 默认为 4096,坐标要除以 extent / 256 做归算),再调用 Web Mercator 到经纬度的转换函数:

JAVASCRIPT
function mercatorToLngLat(x, y) {
const lng = x / 20037508.342789244 * 180;
const lat = (Math.atan(Math.exp(y / 20037508.342789244 * Math.PI)) * 2 - Math.PI / 2) * 180 / Math.PI;
return [lng, lat];
}

处理 Polygon 时要注意,外环和内环的坐标都要完成同样的换算。@mapbox/vector-tile 返回的几何坐标通常是 [x, y] 数组对,直接遍历即可。

最终把转换结果组装成标准的 GeoJSON FeatureCollection,供下一步加载使用。

3.4 通过 GeoJsonDataSource 渲染到 Cesium

数据已经变成 GeoJSON,这一步就顺畅了:

JAVASCRIPT
import * as Cesium from 'cesium';
 
const viewer = new Cesium.Viewer('cesiumContainer', {
baseLayer: Cesium.ImageryLayer.fromProviderAsync(
Cesium.TileMapServiceImageryProvider.fromUrl(
Cesium.buildModuleUrl('Assets/Textures/NaturalEarthII')
)
)
});
 
const dataSource = await Cesium.GeoJsonDataSource.load(geoJson, {
stroke: Cesium.Color.WHITE,
fill: Cesium.Color.fromCssColorString('#2d7fbe').withAlpha(0.6),
strokeWidth: 2
});
 
viewer.dataSources.add(dataSource);
await viewer.flyTo(dataSource);

注意在 GeoJsonDataSource.load 之后,可以通过 dataSource.entities 遍历所有实体做样式微调。但默认情况下,同一图层的要素会使用统一的颜色,如果要根据属性做分级设色,就需要在 load 之后对每个实体单独设置。

由于 MVT 是按视野范围请求的,为了让用户拖动、缩放时能持续看到数据,需要监听 Cesium 的相机变化事件,根据当前视野计算需要请求的瓦片范围,再重复执行 3.2 到 3.3 的流程。核心代码如下:

JAVASCRIPT
viewer.camera.changed.addEventListener(() => {
const extent = getExtentFromCamera(viewer.camera);
const tiles = getTilesInExtent(extent, currentZoom);
tiles.forEach(t => loadAndAddTile(t));
});

getExtentFromCamera 可以用 viewer.camera.computeViewRectangle 获取当前视角的经纬度范围,再转成 Web Mercator 投影判断请求哪些瓦片。这一层的完整实现要结合项目代码结构来写,核心思路是"按需加载、视野裁剪、旧瓦片清理"。

3.5 让图层真正"可交互"

GeoJsonDataSource 的好处是转成的实体默认就支持拾取,不需要额外接入碰撞检测。添加点击事件如下:

JAVASCRIPT
const handler = new Cesium.ScreenSpaceEventHandler(viewer.scene.canvas);
handler.setInputAction((movement) => {
const picked = viewer.scene.pick(movement.position);
if (picked && picked.id) {
const entity = picked.id;
console.log(entity.properties);
viewer.entities.select(entity);
}
}, Cesium.ScreenSpaceEventType.LEFT_CLICK);

实体被拾取后,可以通过 entity.properties 拿到完整的原始属性,非常适合做弹窗详情展示。这个方法比 viewer.entities.pick 更稳定,因为 scene.pick 能同时命中所有 Primitive 和 Entity 类型的对象。

4. 性能优化:数据量上来后我做了哪些调整

4.1 内存占用的大头在哪里

前端解析 MVT 然后转成 GeoJSON,再交给 GeoJsonDataSource,这中间包含两个隐藏开销:

  • @mapbox/vector-tile 会把二进制数据解码为 JavaScript 对象;
  • GeoJsonDataSource.load 会把每个要素包装成 Entity。

一个 256KB 的 MVT 瓦片,解码成 GeoJSON 后体积通常膨胀 3~5 倍,再包装成 Entity 后内存占用可能再翻一倍。当视野范围内有几万个要素时,浏览器内存毫无悬念会飙升。

我的优化手段首先是限流:当相机快速移动时,只请求当前视野中心附近的瓦片,而不是把整个视野内的瓦片一网打尽。配合 requestIdleCallback 把解析工作分散到浏览器空闲时间执行,能明显减少卡顿感。

其次是控制 GeoJsonDataSource 的实体数量。不要让每块瓦片的要素都长期保留在场景中,在相机移动到新区域后,把上一批瓦片的实体从 dataSource 中移除。移除方式不是简单清空 dataSource.entities(那样会把正在显示的要素也删掉),而是让每个瓦片生成独立的数据源,集中管理:

JAVASCRIPT
const tileDataSources = new Map();
 
function removeTileData(x, y, z) {
const key = `${z}_${x}_${y}`;
if (tileDataSources.has(key)) {
viewer.dataSources.remove(tileDataSources.get(key));
tileDataSources.delete(key);
}
}

4.2 点数据的特殊处理

如果数据以点要素为主(比如兴趣点、监测站),GeoJsonDataSource 的默认 Billboard 或 Point 渲染在数量巨大时依然吃力。更稳妥的做法是走 Primitive 路线,直接为点要素构建 PointPrimitiveCollection。这样每个点对应一个独立的绘制对象,渲染效率比 Entity 高出一个量级。

我的实测参考数据:在一个测试区里加载约 8 万个点,GeoJsonDataSource 方案 FPS 掉到 15 以下,改用 PointPrimitiveCollection 后 FPS 稳定在 40 以上。对点数据量大的项目,值得专门抽出时间做这个改造。

4.3 子级细节:数据符号化的思路迁移

MVT 本身不携带渲染样式,所有样式逻辑都在客户端实现。在 Cesium 里做"分级设色"思路和二维不太一样——二维 VTStyle 可以在图层级用 JSON 声明规则,Cesium 则需要直接在代码里写条件映射。

比较通用的是在 GeoJsonDataSource.load 之后遍历实体,根据 properties 动态赋值:

JAVASCRIPT
dataSource.entities.values.forEach(entity => {
const cls = entity.properties['level'];
if (cls === 1) {
entity.polygon.material = Cesium.Color.RED;
} else if (cls === 2) {
entity.polygon.material = Cesium.Color.ORANGE;
} else {
entity.polygon.material = Cesium.Color.GREEN;
}
});

面要素的填充材质甚至可以进一步用 Cesium.Material 的属性实现纹理贴图效果,展示"斑马线""斜纹"等高级样式,让三维场景的专题图不再只有单调的纯色。

5. 踩坑实录:我在接入过程中遇到的典型问题

5.1 图层整体偏移:一次坐标系转换的溯源

第一次把 MVT 加载进去,行政区的边界整体往东南方向偏移了约两百米。数据是从 GeoServer 发布的 EPSG:3857 MVT 切片,理论上坐标应该是对了,但我忽略了一个细节——@mapbox/vector-tile 返回的 feature 几何坐标,单位是瓦片内的整数像素(extent=4096),而不是米。要把它们映射到真实 Web Mercator 坐标,需要先计算瓦片范围,再做线性映射:

JAVASCRIPT
const worldX = west + (pixelX / 4096) * (east - west);
const worldY = north - (pixelY / 4096) * (north - south);

我最初按 pixelX / 4096 * tileSize * resolution 的方式算,但在 y 方向上符号和原点搞反了,导致所有点整体往南移。后来把瓦片原点(左上角)坐标代入验证,才发现 north - pixelY * resolution 这个写法才是对的。

5.2 面要素渲染异常:MVT 自相交面带来的惊喜

加载一个复杂的行政区面图层时,部分区域渲染出来是一团乱线,没有正确填色。排查后确认是 MVT 切片过程对复杂面做了简化处理。GeoServer 在生成矢量瓦片时默认启用几何简化,复杂边界会被压缩成一个更低精度的多边形,有时会引入自相交。

这个问题的解决办法不是关掉简化,而是要保证源数据本身经过 ST_Simplify 或拓扑修复。我后来的处理流程是:把原始 shp 导入 PostGIS,先跑一遍 ST_MakeValid 修复拓扑错误,再发布到 GeoServer。这条经验对处理国土、规划等边界复杂的数据非常实用。

5.3 样式全部成默认值:属性字段名的大小写陷阱

前面已经提到,GeoJsonDataSource 会把 properties 里的所有字段原样绑定到 entity.properties,但如果你在读取时写了错误的字段名(比如实际是 P_NAME,写成 p_name),Cesium 不会报任何错误,只会把默认样式渲染出来。这类问题要排查,可以打开浏览器控制台的 Entity,用 Object.keys(entity.properties) 打印实际字段列表核对。

5.4 MVT 数据与 Cesium 地形贴合问题

如果你的场景里有地形,普通平面 MVT 加载上去后会与地形"穿模"——面要素不会自动贴合地形表面。Cesium 的 GeoJsonDataSource 并没有自动贴地形的能力。要做贴合,需要在 load 时对 height 做采样赋值,或者使用 ClassificationPrimitive 做地形分类,后者性能更好但因为要单独维护,复杂度会上升。

如果你的场景不是必须让数据贴合地形,最简单的方式是关闭地形或只使用平地模式。

6. 写在最后的几个实用建议

按照上面的流程,你应该已经能在 Cesium 里加载并展示 MVT 数据了。再分享几个我实际使用中积累的小经验。

如果遇到瓦片加载卡顿,优先检查是不是网络请求过多,而不是盲目升级机器配置。可以给 MVT 请求加一个简单的缓存层,用 z/x/y 作为 key 把解码后的 GeoJSON 存在 Map 或浏览器 IndexedDB 里,二次访问时直接跳过解析,速度提升非常明显。

数据量级不大的场景,也可以直接在服务端把 MVT 转成 GeoJSON 一次性输出给前端,省掉前端的解码和换算逻辑,代码能简洁很多。但要注意接口返回的 GeoJSON 体积,超过 10MB 之后,GeoJsonDataSource.load 的 JSON 解析时间会变得肉眼可见,需要谨慎评估。

如果你准备在团队里推广这套方案,建议从一开始就把"瓦片地址构造、坐标转换、实体回收"这三个模块封装成独立函数。我一开始偷懒全写在页面里,后来换项目复用,差点花了一整天重构。前期的封装成本不高,回报却很值得。

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
深度解析长鑫G5 DRAM工艺的技术逻辑与微缩边界
长鑫存储G5 DRAM平台通过多重图形化、45:1高深宽比电容与外围HKMG技术,突破先进光刻受限瓶颈,在11.95 nm有源区半间距下实现阵列微缩与电容结构优化。其核心意义不在于对标国际节点,而在于系统性解决“尺寸缩小—电荷保持—外围跟进而”三大矛盾,展现国产DRAM在无EUV条件下推进先进制程的工艺整合能力。
硬核科技