上一个教程 : 为我们的应用程序添加轨迹条
下一个教程 : 使用 OpenCV 和相似性测量进行视频输入
原作者 | Marvin Smith |
---|---|
兼容性 | OpenCV >= 3.0 |
地理空间栅格数据是地理信息系统和摄影测量中大量使用的产品。栅格数据通常可以表示图像和数字高程模型(DEM)。加载 GIS 图像的标准库是地理数据抽象库(GDAL)。在本示例中,我们将展示使用 OpenCV 本地函数加载 GIS 栅格格式的技术。此外,我们还将举例说明 OpenCV 如何将这些数据用于新颖有趣的用途。
目标
本教程的主要目标是
- 如何使用 OpenCV imread 加载卫星图像。
- 如何使用 OpenCV imread - 加载 SRTM 数字高程模型
- 给定图像和 DEM 的角坐标,将高程数据与图像相关联,找出每个像素的高程。
- 展示一个简单易用的地形热图示例。
- 展示 DEM 数据与正射影像的基本用法。
为了实现这些目标,以下代码将数字高程模型和旧金山的 GeoTiff 图像作为输入。对图像和 DEM 数据进行处理后,将生成图像的地形热图,并标出当海湾水位上升 10 米、50 米和 100 米时会受影响的城市区域。
代码
/*
* gdal_image.cpp -- 使用地理空间数据抽象库将 GIS 数据加载到 OpenCV 容器中
*/
// OpenCV 头文件
#include "opencv2/core.hpp
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp" */ // C++ 标准库
// C++ 标准库
#include <cmath
#include <iostream
#include <stdexcept
#include <vector
using namespace std;
// 定义角点
// 请注意,GDAL 库可以本地确定这一点
cv::Point2d tl( -122.441017, 37.815664 );
cv::Point2d tr( -122.370919, 37.815311 );
cv::Point2d bl( -122.441533, 37.747167 );
cv::Point2d br( -122.3715, 37.746814 );
// 确定演示角
cv::Point2d dem_bl( -122.0, 38);
cv::Point2d dem_tr( -123.0, 37);
// 热图颜色范围
std::vector<std::pair<cv::Vec3b,double> > color_range;
// 所有函数原型的列表
cv::Point2d lerp( const cv::Point2d&, const cv::Point2d&, const double& );
cv::Vec3b get_dem_color( const double& );
cv::Point2d world2dem( const cv::Point2d&, const cv::Size&);
cv::Point2d pixel2world( const int&, const int&, const cv::Size& );
void add_color( cv::Vec3b& pix, const uchar& b, const uchar& g, const uchar& r );
/*
* 线性插值
* p1 - 点 1
* p2 - 点 2
* t - 从点 1 到点 2 的比率
*/
cv::Point2d lerp( cv::Point2d const& p1, cv::Point2d const& p2, const double& t ){
return cv::Point2d( ((1-t)*p1.x) + (t*p2.x)、
((1-t)*p1.y) + (t*p2.y));
}
/*
* 插值颜色
*/
template <typename DATATYPE, int N>
cv::Vec<DATATYPE,N> lerp( cv::Vec<DATATYPE,N> const& minColor、
cv::Vec<DATATYPE,N> const& maxColor、
double const& t ){
cv::Vec<DATATYPE,N> 输出;
for( int i=0; i<N; i++ ){
output[i] = (uchar)(((1-t)*minColor[i]) + (t * maxColor[i]));
}
return output;
}
/*
* 计算演示颜色
*/
cv::Vec3b get_dem_color( const double& elevation ){
// 如果海拔高度低于最小值,返回最小值
if( elevation < color_range[0].second ){
return color_range[0].first;
}
// 如果海拔高度高于最大值,则返回最大值
if( elevation > color_range.back().second ){
return color_range.back().first;
}
// 否则,找到合适的起始索引
int idx=0;
double t = 0;
for( int x=0; x<(int)(color_range.size()-1); x++ ){
// 如果当前高度低于下一项,则使用当前的
// 两种颜色作为我们的范围
if( elevation < color_range[x+1].second ){
idx=x;
t = (color_range[x+1].second - elevation)/ (color_range[x+1].second - elevation)/ (color_range[x+1].second)
(color_range[x+1].second - color_range[x].second);
break;
}
}
// 插值颜色
return lerp( color_range[idx].first, color_range[idx+1].first, t);
}
/*
* 给定像素坐标和输入图像的大小,计算像素在 DEM 图像上的位置。
* 在 DEM 图像上的像素位置。
*/
cv::Point2d world2dem( cv::Point2d const& coordinate, const cv::Size& dem_size ){ // 将其与 DEM 点相关联。
// 将其与 DEM 点相关联
// 假设 dem 数据经过正交校正
double demRatioX = ((dem_tr.x - coordinate.x)/(dem_tr.x - dem_bl.x));
double demRatioY = 1-((dem_tr.y-coordinate.y)/(dem_tr.y-dem_bl.y));
cv::Point2d output;
output.x = demRatioX * dem_size.width;
output.y = demRatioY * dem_size.height;
return output;
}
/*
* 将像素坐标转换为世界坐标
*/
cv::Point2d pixel2world( const int& x, const int& y, const cv::Size& size ) { // 计算像素位置与尺寸的比率。
// 计算像素位置与其尺寸的比率
double rx = (double)x / size.width;
double ry = (double)y / size.height;
// 计算每个坐标的 LERP
cv::Point2d rightSide = lerp(tr, br, ry);
cv::Point2d leftSide = lerp(tl, bl, ry);
// 计算插值坐标的实际纬度/经度坐标
return lerp( leftSide, rightSide, rx );
}
/*
* 为特定像素颜色值添加颜色
*/
void add_color( cv::Vec3b& pix, const uchar& b, const uchar& g, const uchar& r ){
if( pix[0] + b < 255 && pix[0] + b >= 0 ){ pix[0] += b; }
if( pix[1] + g < 255 && pix[1] + g >= 0 ){ pix[1] += g; }
if( pix[2] + r < 255 && pix[2] + r >= 0 ){ pix[2] += r; }
}
/*
* 主函数
*/
int main( int argc, char* argv[] ){
/*
* 检查输入参数
*/
if( argc < 3 ){
cout << "usage: " << argv[0] << " <image_name> <dem_model_name>" << endl;
return -1;
}
// 加载图像(注意,我们没有投影信息。您将
// 需要自行加载或使用完整的 GDAL 驱动程序。这些值是预先定义的
// 在此文件的顶部
cv::Mat image = cv::imread(argv[1], cv::IMREAD_LOAD_GDAL | cv::IMREAD_COLOR );
// 加载 dem 模型
cv::Mat dem = cv::imread(argv[2], cv::IMREAD_LOAD_GDAL | cv::IMREAD_ANYDEPTH );
// 创建输出产品
cv::Mat output_dem( image.size(), CV_8UC3 );
cv::Mat output_dem_flood( image.size(), CV_8UC3 );
// 为合理起见,确保 GDAL 将其加载为带符号的 short
if( dem.type() != CV_16SC1 ){ throw std::runtime_error("DEM 图像类型必须是 CV_16SC1"); } }
// 定义颜色范围以创建输出 DEM 热图
// Pair format ( Color, elevation ); Push from low to high
// 注意:这非常适合用于配置文件,但这里是用于工作演示。
color_range.push_back( std::pair<cv::Vec3b,double>(cv::Vec3b( 188, 154, 46), -1));
color_range.push_back( std::pair<cv::Vec3b,double>(cv::Vec3b( 110, 220, 110), 0.25));
color_range.push_back( std::pair<cv::Vec3b,double>(cv::Vec3b( 150, 250, 230), 20);
color_range.push_back( std::pair<cv::Vec3b,double>(cv::Vec3b( 160, 220, 200), 75));
color_range.push_back( std::pair<cv::Vec3b,double>(cv::Vec3b( 220, 190, 170), 100));
color_range.push_back( std::pair<cv::Vec3b,double>(cv::Vec3b( 250, 180, 140), 200));
// 定义最低标高
double minElevation = -10;
// 遍历图像中的每个像素,计算演示点
for( int y=0; y<image.rows; y++ ){
for( int x=0; x<image.cols; x++ ){
// 将像素坐标转换为纬/纬坐标
cv::Point2d coordinate = pixel2world( x, y, image.size() );
// 根据纬度/纵向坐标计算 dem 图像像素坐标
cv::Point2d dem_coordinate = world2dem( coordinate, dem.size() );
// 提取海拔高度
double dz;
if( dem_coordinate.x >= 0 && dem_coordinate.y >= 0 &&
dem_coordinate.x < dem.cols && dem_coordinate.y < dem.rows ){
dz = dem.at<short>(dem_coordinate);
}else{
dz = minElevation;
}
// 将像素值写入文件
output_dem_flood.at<cv::Vec3b>(y,x) = image.at<cv::Vec3b>(y,x);
// 计算热图输出的颜色
cv::Vec3b actualColor = get_dem_color(dz);
output_dem.at<cv::Vec3b>(y,x) = actualColor;
// 显示海平面上升 10 米的影响
if( dz < 10 ){
add_color( output_dem_flood.at<cv::Vec3b>(y,x), 90, 0, 0 );
}
// 显示海平面上升 50 米的影响
else if( dz < 50 ){
add_color( output_dem_flood.at<cv::Vec3b>(y,x), 0, 90, 0 );
}
// 显示海平面上升 100 米的影响
else if( dz < 100 ){
add_color( output_dem_flood.at<cv::Vec3b>(y,x), 0, 0, 90 );
}
}}
// 打印热图
cv::imwrite( "heat-map.jpg" , output_dem );
// 打印水浸效果图像
cv::imwrite( "flooded.jpg", output_dem_flood);
return 0;
}
如何使用 GDAL 读取光栅数据
本演示使用默认的 OpenCV imread 函数。主要区别在于,为了强制 GDAL 加载图像,必须使用适当的标志。
cv::Mat image = cv::imread(argv[1], cv::IMREAD_LOAD_GDAL | cv::IMREAD_COLOR );
加载数字高程模型时,每个像素的实际数值至关重要,不能缩放或截断。例如,在图像数据中,一个像素表示为数值为 1 的二进制数,其外观与表示为数值为 255 的无符号字符的像素相同。对于地形数据,像素值代表海拔高度,单位为米。为了确保 OpenCV 保留原始值,请在 imread 中使用 GDAL 标志和 ANYDEPTH 标志。
// 加载 dem 模型
cv::Mat dem = cv::imread(argv[2], cv::IMREAD_LOAD_GDAL | cv::IMREAD_ANYDEPTH );
如果事先知道要加载的 DEM 模型的类型,那么使用断言或其他机制测试 Mat::type() 或 Mat::depth() 可能会比较安全。NASA 或 DOD 规范文档可以提供各种高程模型的输入类型。主要类型 SRTM 和 DTED 都是带符号的短线。
注释
通常应避免使用纬度/经度(地理)坐标
地理坐标系是一种球面坐标系,这意味着在笛卡尔数学中使用它们在技术上是不正确的。本演示使用这些坐标系是为了增加可读性,并且足够准确。更好的坐标系是通用横轴默卡托坐标系。
查找角坐标
查找图像角坐标的一个简单方法是使用命令行工具 gdalinfo。对于经过正射校正并包含投影信息的图像,可以使用 USGS EarthExplorer。
\f$> gdalinfo N37W123.hgt
Driver: SRTMHGT/SRTMHGT File Format
Files: N37W123.hgt
Size is 3601, 3601
Coordinate System is:
GEOGCS["WGS 84",
DATUM["WGS_1984",
... more output ...
Corner Coordinates:
Upper Left (-123.0001389, 38.0001389) (123d 0' 0.50"W, 38d 0' 0.50"N)
Lower Left (-123.0001389, 36.9998611) (123d 0' 0.50"W, 36d59'59.50"N)
Upper Right (-121.9998611, 38.0001389) (121d59'59.50"W, 38d 0' 0.50"N)
Lower Right (-121.9998611, 36.9998611) (121d59'59.50"W, 36d59'59.50"N)
Center (-122.5000000, 37.5000000) (122d30' 0.00"W, 37d30' 0.00"N)
... more output ...
结果
以下是程序的输出结果。使用第一幅图像作为输入。有关 DEM 模型,请在此处下载位于 USGS 的 SRTM 文件。http://dds.cr.usgs.gov/srtm/version2_1/SRTM1/Region_04/N37W123.hgt.zip