大批量影像瓦片优化

背景

在很多场景中，需要用的影像瓦片，常规的思路是将tif进行切图，做成分层的瓦片：

但是，如果层级太高，产生的文件将十分庞大，据测试，某地级市18层级切片，内存占用高达200多G，在部署和传输的过程中，都很不利。

通用处理

因此，采取的思路是如何能够压缩每一张图层，在尽可能保留原有分辨率和色彩的同时，减少影像图片内存的大小。
最初采用开源压缩工具：pngquant
windows下有GUI版本，但是GUI版本只能针对单文件，我们需要运行它的核心文件：pngquanti.exe。
其单文件处理命令为：pngquant --quality=65-80 input.png
但是很明显，这种方式并不适用，因为影像瓦片涉及每一个层级文件夹，层级文件夹里还有索引文件夹，因此，需要一个命令来遍历文件夹，找到其中的影像文件，压缩后并替换：

for /r "C:\path\to\your\3dtiles" %i in (*.png) do "C:\path\to\pngquant.exe" --ext .png --force --quality=65-80 "%i"

将文件夹和处理程序的地址替换即可。

改进处理

上述方法似乎已经解决了之前的问题，但是如果数据量太大，依然面临着一个不能忽视的问题，那就是处理时间太长，那能否调用多线程来实现多步压缩处理呢？事实是可行的，为了能够实现多线程，且用户自定义线程数，可以通过python构建一个简单的GUI程序，加上一个进度条，查看文件处理进展。
界面设计如下：

def __init__(self, master):
        self.master = master
        master.title("PNG优化工具 (多线程版)")

        self.pngquant_path = tk.StringVar()
        self.folder_path = tk.StringVar()
        self.num_threads = tk.IntVar(value=4)  # 默认线程数

        tk.Label(master, text="PNGQuant路径:").grid(row=0, column=0, sticky="e")
        tk.Entry(master, textvariable=self.pngquant_path, width=50).grid(row=0, column=1)
        tk.Button(master, text="浏览", command=self.browse_pngquant).grid(row=0, column=2)

        tk.Label(master, text="文件夹路径:").grid(row=1, column=0, sticky="e")
        tk.Entry(master, textvariable=self.folder_path, width=50).grid(row=1, column=1)
        tk.Button(master, text="浏览", command=self.browse_folder).grid(row=1, column=2)

        tk.Label(master, text="线程数:").grid(row=2, column=0, sticky="e")
        tk.Entry(master, textvariable=self.num_threads, width=5).grid(row=2, column=1, sticky="w")

        self.start_button = tk.Button(master, text="开始处理", command=self.start_processing)
        self.start_button.grid(row=3, column=1)

        self.progress = ttk.Progressbar(master, length=300, mode='determinate')
        self.progress.grid(row=4, column=0, columnspan=3, pady=10)

        self.log = tk.Text(master, height=10, width=60)
        self.log.grid(row=5, column=0, columnspan=3)

        self.file_queue = queue.Queue()
        self.total_files = 0
        self.processed_files = 0

程序运行效果：

压缩效率对比

17层级文件夹：

• 原始大小：22GB
• 现在大小：5.57GB