使用GDAL实现DEM的地貌晕渲图(二)

1. 问题

以前我在《使用GDAL实现DEM的地貌晕渲图(一)》这篇文章里面讲述了DEM晕渲图的生成原理与实现，大致上来说是经过计算DEM格网点的法向量与日照方向的的夹角，来肯定该格网点的晕渲强度值。但其实关于这一点我不是很理解，这样作随着坡面与光源方向的夹角不一样，确实产生了不一样色调明暗效果；但晕渲图同时又有“阴坡面越陡越暗，阳坡面越陡越亮”的特性的，而阴阳坡面的划分又是跟坡度和坡向相关，以前的生成方法能体现出这种特性吗？

通过查阅资料，却在ArcGIS的帮助文档《山体阴影工具的工做原理》（在线版本可查看这篇文章《ArcGIS教程：山体阴影工做原理》）中查阅到了晕渲图的另一种生成算法。利用直接利用坡度和坡向的关系，算出每一个点的山体阴影值： 而且，在该文档中，还附带了一个具体的计算示例： 具体的算法过程说的很清楚了，惋惜的就是不太明白具体的原理是什么，在帮助中指向了一本1998的英文文献[Burrough, P. A. and McDonell, R. A., 1998. Principles of Geographical Information Systems (Oxford University Press, New York), 190 pp]也实在是无法深刻查阅深究。而在查阅中文论文的时候，关于这一段的描述也是互相抄袭，摘录以下： 这一段的论述反正我是没看明白的，也就很少作论述了，但愿看懂这个算法的大神能指点我一下。

2. 实现

虽然更深刻的原理没弄明白，不过做为应用者却足够可以实现其算法了。我这里经过GDAL实现了晕渲图的生成：

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

using namespace std;
using namespace osg;

// 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

	const char* demPath = "D:/CloudSpace/个人技术文章/素材/DEM的渲染/dst.tif";
	//const char* demPath = "D:/Data/imgDemo/K51E001022/k51e001022dem/w001001.adf";
	
	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 = 1;
	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
        depth = 4;
	size_t imgBufNum = (size_t)bufWidth * bufHeight * bandNum;
	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
		
	//申请buf
	size_t dstBufNum = (size_t)bufWidth * bufHeight * dstBand * dstDepth;
	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 = 1;
	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);
	
			dstBuf[e] = (GByte)(std::min(std::max(Hillshade, 0.0),255.0));
		}
	}

	//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;
}

最终获得的晕渲结果和ArcMap的晕渲结果比较，几乎是如出一辙的： 后续会正式在这个基础之上实现彩色的晕渲图。

3. 参考

[1]. ArcGIS帮助：山体阴影工具的工做原理。 [2]. 基于视觉表象的彩色晕渲地图色彩设计.郭礼珍等.2004