使用GDAL实现DEM的地貌晕渲图(三)

时间 2019-12-11

标签使用 gdal 实现 dem 地貌繁體版

原文原文链接

目录html

1. 原理

以前在《使用GDAL实现DEM的地貌晕渲图(一)》和《使用GDAL实现DEM的地貌晕渲图(二)》这两篇文章中详细介绍了DEM生成地貌晕渲图的原理与实现。不过以前生成的都是晕渲强度值对应的灰度图，而实际的应用过程当中都会将DEM晕渲成彩色图。ios

1) ArcMap生成彩色晕渲图

能够经过ArcMap的作法来参考如何生成彩色晕渲图（参考[1]），在ArcMap中生成彩色晕渲图的步骤以下：算法

经过山体阴影工具生成灰度晕渲图，这一点与前面文章介绍的相一致。
而后在原DEM图的显示中，选择最大最小拉伸显示，而后选择一个合适的彩色色带赋值。
最后，将步骤一的灰度晕渲图设置必定的透明度，叠加到步骤二的彩色图上，就生成了最终具备立体感的彩色晕渲图。

ArcMap生成的彩色晕渲图：
app

2) 彩色色带赋值

不难发现，生成彩色晕渲图的关键是第二步：要选取合适的色带，让色带根据对应的高程赋值。查阅了很多的资料，这个色带应该没有固定合适通用的模板，是须要本身根据具体的须要调整的。好比，海平面能够赋值成蓝色；高山山顶赋值成白色；戈壁沙漠赋值成黄色；草原森林赋值成绿色，这些地貌特征都具备必定的高程相关性，能够根据必定的绝对高程区间赋值。工具

我这里采起的作法仍是跟ArcMap一致，选取渐变色带来赋值，将渐变色带约束到DEM的最小最大高程。考虑到地貌的多变性，我这里生成了蓝-绿-黄-红-紫的多段的渐变色带。这样DEM的晕渲效果就是越低越蓝，越高越紫。ui

通常为了保证过渡效果会选择渐变色带，渐变色带的生成也比较简单，选择头尾两个的颜色的RGB值和必定的渐变范围，分别让RGB的值匀速变换就好了。彩色色带的生成算法以下（可参考第二部分的具体实现来理解）：this

//颜色查找表
vector<F_RGB> tableRGB(256);        

//生成渐变色
void Gradient(F_RGB &start, F_RGB &end, vector<F_RGB> &RGBList)
{
    float dr = (end.R - start.R) / RGBList.size();
    float dg = (end.G - start.G) / RGBList.size();
    float db = (end.B - start.B) / RGBList.size();
    for (size_t i = 0; i < RGBList.size(); i++)
    {
        RGBList[i].R = start.R + dr * i;
        RGBList[i].G = start.G + dg * i;
        RGBList[i].B = start.B + db * i;
    }
}

//初始化颜色查找表
void InitColorTable()
{
    F_RGB blue(17, 60, 235);//蓝色    
    F_RGB green(17, 235, 86);//绿色
    vector<F_RGB> RGBList(60);
    Gradient(blue, green, RGBList);
    for (int i = 0; i < 60; i++)
    {
        tableRGB[i] = RGBList[i];
    }
    
    F_RGB yellow(235, 173, 17);//黄色 
    RGBList.clear();
    RGBList.resize(60);
    Gradient(green, yellow, RGBList);
    for (int i = 0; i < 60; i++)
    {
        tableRGB[i+60] = RGBList[i];
    }
    
    F_RGB red(235, 60, 17);//红色
    RGBList.clear();
    RGBList.resize(60);
    Gradient(yellow, red, RGBList);
    for (int i = 0; i < 60; i++)
    {
        tableRGB[i + 120] = RGBList[i];
    }
        
    F_RGB white(235, 17, 235);//紫色
    RGBList.clear();
    RGBList.resize(76);
    Gradient(red, white, RGBList);
    for (int i = 0; i < 76; i++)
    {
        tableRGB[i + 180] = RGBList[i];
    }
}

3) 颜色叠加

第一步和第二步分别生成了晕渲强度图和高程彩色色带图，第三步就是将二者的颜色叠加，生成最终的效果图。其实颜色叠加的原理特别简单，对于晕渲强度图的像素值A，令其不透明度为α；对应的高程彩色色带图的像素值B，那么最后叠加的像素值 C=αA+(1-α)B。能够这么理解:光线到达A，因为透光性只产生了αA的效果，还有(1-α)强度的光线射到B，又产生了(1-α)B的效果，二者叠加就是αA+(1-α)B。spa

2. 实现

继续改造以前的代码，最终的实现过程以下：.net

#include <iostream>
#include <algorithm>
#include <gdal_priv.h>
#include <osg/Vec3d>
#include <fstream>

using namespace std;
using namespace osg;

//RGB颜色
struct F_RGB
{
    float R;
    float G;
    float B;

    F_RGB()
    {
    }

    F_RGB(float r, float g, float b)
    {
        R = r;
        G = g;
        B = b;
    }

    F_RGB(const F_RGB& rgb) 
    {
        R = rgb.R;
        G = rgb.G;
        B = rgb.B;
    }

    F_RGB& operator= (const F_RGB& rgb)
    {   
        R = rgb.R;
        G = rgb.G;
        B = rgb.B;
        return *this;
    }

};

//颜色查找表
vector<F_RGB> tableRGB(256);        

//生成渐变色
void Gradient(F_RGB &start, F_RGB &end, vector<F_RGB> &RGBList)
{
    float dr = (end.R - start.R) / RGBList.size();
    float dg = (end.G - start.G) / RGBList.size();
    float db = (end.B - start.B) / RGBList.size();
    for (size_t i = 0; i < RGBList.size(); i++)
    {
        RGBList[i].R = start.R + dr * i;
        RGBList[i].G = start.G + dg * i;
        RGBList[i].B = start.B + db * i;
    }
}

//初始化颜色查找表
void InitColorTable()
{
    F_RGB blue(17, 60, 235);//蓝色    
    F_RGB green(17, 235, 86);//绿色
    vector<F_RGB> RGBList(60);
    Gradient(blue, green, RGBList);
    for (int i = 0; i < 60; i++)
    {
        tableRGB[i] = RGBList[i];
    }
    
    F_RGB yellow(235, 173, 17);//黄色 
    RGBList.clear();
    RGBList.resize(60);
    Gradient(green, yellow, RGBList);
    for (int i = 0; i < 60; i++)
    {
        tableRGB[i+60] = RGBList[i];
    }
    
    F_RGB red(235, 60, 17);//红色
    RGBList.clear();
    RGBList.resize(60);
    Gradient(yellow, red, RGBList);
    for (int i = 0; i < 60; i++)
    {
        tableRGB[i + 120] = RGBList[i];
    }
        
    F_RGB white(235, 17, 235);//紫色
    RGBList.clear();
    RGBList.resize(76);
    Gradient(red, white, RGBList);
    for (int i = 0; i < 76; i++)
    {
        tableRGB[i + 180] = RGBList[i];
    }
}

//根据高程选颜色
inline int GetColorIndex(float z, float min_z, float max_z)
{
    int temp = floor((z - min_z) * 255 / (max_z - min_z) + 0.6);
    return temp;
}

// a b c
// d e f
// g h i
double CalHillshade(float *tmpBuf, double Zenith_rad, double Azimuth_rad, double dx, double dy, double z_factor)
{
    double dzdx = ((tmpBuf[2] + 2 * tmpBuf[5] + tmpBuf[8]) - (tmpBuf[0] + 2 * tmpBuf[3] + tmpBuf[6])) / (8 * dx);
    double dzdy = ((tmpBuf[6] + 2 * tmpBuf[7] + tmpBuf[8]) - (tmpBuf[0] + 2 * tmpBuf[1] + tmpBuf[2])) / (8 * dy);

    double Slope_rad = atan(z_factor * sqrt(dzdx*dzdx + dzdy*dzdy));
    double Aspect_rad = 0;
    if (abs(dzdx) > 1e-9)
    {
        Aspect_rad = atan2(dzdy, -dzdx);
        if (Aspect_rad < 0)
        {
            Aspect_rad = 2 * PI + Aspect_rad;
        }
    }
    else
    {
        if (dzdy > 0)
        {
            Aspect_rad = PI / 2;
        }
        else if (dzdy < 0)
        {
            Aspect_rad = 2 * PI - PI / 2;
        }
        else
        {
            Aspect_rad = Aspect_rad;
        }
    }

    double Hillshade = 255.0 * ((cos(Zenith_rad) * cos(Slope_rad)) + (sin(Zenith_rad) * sin(Slope_rad) * cos(Azimuth_rad - Aspect_rad)));
    return Hillshade;
}


int main()
{
    GDALAllRegister();          //GDAL全部操做都须要先注册格式
    CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");  //支持中文路径
    CPLSetConfigOption("GDAL_DATA", "D:/Work/GDALBuild/gdal_build_result/data");  //支持中文路径

    //const char* demPath = "D:/CloudSpace/个人技术文章/素材/DEM的渲染/dst.tif";
    const char* demPath = "D:/2.tif";
        
    GDALDataset* img = (GDALDataset *)GDALOpen(demPath, GA_ReadOnly);
    if (!img)
    {
        cout << "Can't Open Image!" << endl;
        return 1;
    }

    int imgWidth = img->GetRasterXSize();   //图像宽度
    int imgHeight = img->GetRasterYSize();  //图像高度
    int bandNum = img->GetRasterCount();    //波段数
    int depth = GDALGetDataTypeSize(img->GetRasterBand(1)->GetRasterDataType()) / 8;    //图像深度

    GDALDriver *pDriver = GetGDALDriverManager()->GetDriverByName("GTIFF"); //图像驱动
    char** ppszOptions = NULL;
    ppszOptions = CSLSetNameValue(ppszOptions, "BIGTIFF", "IF_NEEDED"); //配置图像信息
    const char* dstPath = "D:\\dst.tif";
    int bufWidth = imgWidth;
    int bufHeight = imgHeight;
    int dstBand = 3;
    int dstDepth = 1;
    GDALDataset* dst = pDriver->Create(dstPath, bufWidth, bufHeight, dstBand, GDT_Byte, ppszOptions);
    if (!dst)
    {
        printf("Can't Write Image!");
        return false;
    }

    dst->SetProjection(img->GetProjectionRef());
    double padfTransform[6] = { 0 };
    if (CE_None == img->GetGeoTransform(padfTransform))
    {
        dst->SetGeoTransform(padfTransform);
    }

    //申请buf
    size_t imgBufNum = (size_t)bufWidth * bufHeight * bandNum * depth;
    float *imgBuf = new float[imgBufNum];
    //读取
    img->RasterIO(GF_Read, 0, 0, bufWidth, bufHeight, imgBuf, bufWidth, bufHeight,
        GDT_Float32, bandNum, nullptr, bandNum*depth, bufWidth*bandNum*depth, depth);

    if (bandNum != 1)
    {
        return 1;
    }

    //
    double startX = padfTransform[0];           //左上角点坐标X
    double dx = padfTransform[1];           //X方向的分辨率
    double startY = padfTransform[3];           //左上角点坐标Y
    double dy = padfTransform[5];           //Y方向的分辨率

    //
    double minZ = DBL_MAX;
    double maxZ = -DBL_MAX;
    double noValue = img->GetRasterBand(1)->GetNoDataValue();
    
    //
    InitColorTable();
    for (int yi = 0; yi < bufHeight; yi++)
    {
        for (int xi = 0; xi < bufWidth; xi++)
        {
            size_t m = (size_t)bufWidth * yi + xi;
            double x = startX + xi * dx;
            double y = startY + yi * dy;
            double z = imgBuf[m];
        
            if (abs(z - noValue) < 0.01 || z<-11034 || z>8844.43)
            {
                continue;
            }

            minZ = (std::min)(minZ, z);
            maxZ = (std::max)(maxZ, z);
        }
    }
        
    //申请buf
    size_t dstBufNum = (size_t)bufWidth * bufHeight * dstBand;
    GByte *dstBuf = new GByte[dstBufNum];
    memset(dstBuf, 0, dstBufNum*sizeof(GByte));

    //设置方向：平行光
    double solarAltitude = 45.0;
    double solarAzimuth = 315.0;
    
    //
    double Zenith_rad = osg::DegreesToRadians(90 - solarAltitude);
    double Azimuth_math = 360.0 - solarAzimuth + 90;
    if (Azimuth_math >= 360.0)
    {
        Azimuth_math = Azimuth_math - 360.0;
    }   
    double Azimuth_rad = osg::DegreesToRadians(Azimuth_math);
        
    //a b c
    //d e f
    //g h i
    double z_factor = 2;
    double alpha = 0.3;     //A不透明度 α*A+(1-α)*B

    //
    for (int yi = 1; yi < bufHeight-1; yi++)
    {
        for (int xi = 1; xi < bufWidth-1; xi++)
        {           
            size_t e = (size_t)bufWidth * yi + xi;
            size_t f = e + 1;
            size_t d = e - 1;

            size_t b = e - bufWidth;
            size_t c = b + 1;
            size_t a = b - 1;

            size_t h = e + bufWidth;
            size_t i = h + 1;
            size_t g = h - 1;
            
            float tmpBuf[9] = { imgBuf[a], imgBuf[b], imgBuf[c], imgBuf[d], imgBuf[e], imgBuf[f], imgBuf[g],imgBuf[h], imgBuf[i] };
            double Hillshade = CalHillshade(tmpBuf, Zenith_rad, Azimuth_rad, dx, -dy, z_factor);
            GByte value = (GByte)(std::min(std::max(Hillshade, 0.0), 255.0));

            int index = GetColorIndex(imgBuf[e], minZ, maxZ);
            GByte rgb[3] = { (GByte)tableRGB[index].R, (GByte)tableRGB[index].G, (GByte)tableRGB[index].B };

            for (int ib = 0; ib < dstBand; ib++)
            {
                size_t n = (size_t)bufWidth * dstBand * yi + dstBand * xi + ib;
                double v = value * alpha + (1 - alpha) * rgb[ib];
                dstBuf[n] = (GByte)(std::min)((std::max)(v, 0.0), 255.0);
                //dstBuf[n] = (GByte)value;
            }   
        }
    }


    //写入
    dst->RasterIO(GF_Write, 0, 0, bufWidth, bufHeight, dstBuf, bufWidth, bufHeight,
        GDT_Byte, dstBand, nullptr, dstBand*dstDepth, bufWidth*dstBand*dstDepth, dstDepth);
    
    //释放
    delete[] imgBuf;
    imgBuf = nullptr;

    //释放
    delete[] dstBuf;
    dstBuf = nullptr;

    //
    GDALClose(dst);
    dst = nullptr;

    GDALClose(img);
    img = nullptr;

    return 0;
}

最终实现的效果图以下，能够看到确实实现了高程越低越蓝，越高越紫的晕渲效果，同时具备深度感，能看清山脊地貌，效果与ArcMap基本一致，只是配色效果不一样。
3d

3. 结语

关于DEM的地貌晕渲图的实现暂时告一段落了。应该来讲仍是有些模糊不清的地方，在查阅资料的时候就有所感受，如今关于GIS的基础原理资料老是不太清晰，原理概念一堆，但就是理解不了。但若是有新的问题或者发现，但愿看到这几篇文章的朋友能批评指正下。

4. 参考

[1]. ArcGIS制图手册(3-2)山体阴影和晕渲
[2]. RGB颜色插值渐变原理及算法
[3]. 两个RGBA四通道颜色的叠加计算方法与代码实现