大图切片预览

文章目录

前言
处理流程
完整代码
前端预览

前言

最近有需求，前端要预览百兆以上的大图，这直接访问应该就不太行了，系统打开都在加载好一会儿，刚好从事的又是 gis 行业，于是打算用类似加载地图的方式来切片加载大图。这里最好是按标准的切片方式来，这样就可以用现成的地图引擎来预览了。这里就按 TMS 标准来切片。

引用一下 ChatGPT 的回答

“TMS” 代表的是 “Tile Map Service”，是一种用于在Web地图应用中加载和显示地图瓦片的标准协议。瓦片地图是将地图划分成小块瓦片，每个瓦片包含地图的一部分信息，通过加载这些瓦片可以实现整个地图的显示。
.
TMS 瓦片标准是一种用于组织和管理这些地图瓦片的约定。以下是 TMS 瓦片标准的一些关键概念：
瓦片坐标系统： TMS 使用一个瓦片坐标系统，其中地图被划分为网格状的瓦片，每个瓦片由一个唯一的坐标标识。通常，左上角的瓦片坐标是 (0,0)，并且随着地图的缩放级别的增加，瓦片的坐标也相应地增加。
缩放级别： TMS 支持不同的缩放级别，每个级别对应于地图的不同分辨率。每个缩放级别的瓦片数目是前一个级别的两倍。缩放级别通过整数值表示，例如，缩放级别为 0 表示最低级别，而缩放级别为 1 表示比级别 0 更高的分辨率。
瓦片命名规则： TMS 使用一种规范的瓦片命名规则，其中瓦片的坐标和缩放级别被编码到URL中。例如，一个瓦片的URL可能类似于 http://example.com/{z}/{x}/{y}.png，其中 {z} 表示缩放级别， {x} 和 {y} 表示瓦片的坐标。
坐标原点： TMS 有两种坐标原点的定义方式，一种是以地图左上角为原点，另一种是以地图左下角为原点。这两种方式在不同的实现中有不同的选择，但都在相应的文档中明确定义。

总体而言，TMS 瓦片标准通过定义一种通用的方式来命名和组织地图瓦片，使得不同的地图服务和应用程序可以遵循相同的规范，从而实现更好的互操作性。这种标准化有助于开发者创建和集成地图服务，同时也简化了地图数据的发布和共享。

TMS 的切片可以采用金字塔切片方式，缩放级别为 0 时表示最低级别，只有一个瓦片，随着缩放级别的增加，地图被划分成更多的瓦片，每个瓦片下一级可以拆成四个，所以每一层级瓦片数就是上一层级数的四倍。
单个瓦片尺寸通常是 256x256像素

就像这种感觉：

图像来源：GIS理论知识（四）之地图的图层(切片/瓦片)概念

我们项目设计是前端是固定的几个大图预览，所以直接开发个工具来切片使用就可以了。

这里决定就用 Java 来开发，也是为了后续可能做后台管理打铺垫，但 Java 这块图像操作相关 API 真不熟，直接上 ChatGPT 问一下。

开始用 BufferedImage 来实现，但是效率不是太高，网上查了 OpenCV 效率貌似很高，直接让 ChatGPT用 OpenCV 再实现一遍，实践对比了下确实提升很大

分享一波 ChatGPT 问答
在这里插入图片描述

基于这代码改一点点，就可以完美实现了！！

处理流程

判断图像分辨率是否是 256x256 的整数倍，如果不是则需要扩大补图。（如果不这样做切好的瓦片肯定会有分辨率小于256 x 256 的，部分地图引擎可能会直接拉伸尺寸导致变形）

Mat inputImage  = Imgcodecs.imread("xxx.tif");
// 标准切片是正方形，只需要判断宽高最大值是否是 256 的整数倍即可
 int max = Math.max(inputImage.cols(), inputImage.rows());
 if (max % tileSize != 0) {
      
      
     double ceil = Math.ceil(max / (double) tileSize);
     inputImage = mergeTile(inputImage, (int) ceil * tileSize);
 }

对处理好的图像开始切片。

 int useLevel = 当前层级;
 for (int y = 0; y < inputImage.rows(); y += tileSize) {
      
      
      for (int x = 0; x < inputImage.cols(); x += tileSize) {
      
      
          // 第三四参数直接 tileSize 也可以，开始这么写是因为没有对图像尺寸做补图处理，防止超出图像尺寸报错。
          Rect roi = new Rect(x, y, Math.min(tileSize, inputImage.cols() - x), Math.min(tileSize, inputImage.rows() - y));
          Mat tile = new Mat(inputImage, roi);
          // 输出文件，如果做网络服务的话做好索引存数据库我感觉更好。
          File outputTileFile = new File(outputPath,  useLevel + File.separator + x / tileSize + File.separator + y / tileSize + ".jpg");
          if (!outputTileFile.getParentFile().exists()) {
      
      
              outputTileFile.getParentFile().mkdirs();
          }
          Imgcodecs.imwrite(outputTileFile.getAbsolutePath(), tile);
      }
  }

切完一级将图像尺寸缩放一半，如果缩放一半后尺寸仍 >= 256x256，就继续循环切片。反之就结束。

do {
      
      
    // 切片
	// ...
	
    Imgproc.resize(inputImage, inputImage, new Size(inputImage.cols() / 2, inputImage.rows() / 2));
} while ((inputImage.cols() >= tileSize && inputImage.rows() >= tileSize))

这里打好了一个 jar 包，欢迎大家使用体验！下载地址

在这里插入图片描述

完整代码

package top.easydu.easytools.utils;

import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.HashMap;
import java.util.Map;

public class ImageUtils {
    
    

    static {
    
    
        // 加载动态库，这个就是加载的 resources 目录的dll
        LibUtil.loadResourcesLibrary("lib/opencv/x64/opencv_java455.dll");
    }

    private static final Logger log = LoggerFactory.getLogger(ImageUtils.class);

    public static class ImageSplitResult {
    
    

        /**
         * 瓦片数量
         */
        public int tileCount = 0;

        /**
         * 层级数
         */
        public int levels = 0;

        @Override
        public String toString() {
    
    
            return "ImageSplitResult{" +
                    "tileCount=" + tileCount +
                    ", levels=" + levels +
                    '}';
        }
    }


    /**
     * 默认瓦片大小
     */
    private static final int DEFAULT_TILE_SIZE = 256;

    /**
     * 计算有多少级
     * @param width
     * @param height
     * @param tileSize
     * @return
     */
    private static int computeLevel(int width, int height, int tileSize) {
    
    
        int level = 0;

        do {
    
    

            width = width /2;
            height = height /2;
            level++;
        } while (width >= tileSize && height >= tileSize);

        return level;
    }

    /**
     * 图片拆分
     * @param file 图像文件
     * @param outputPath 输出路径
     */
    public static ImageSplitResult splitImage(File file, String outputPath) throws IOException {
    
    

        if (!file.exists()) {
    
    
            throw new FileNotFoundException(file.getPath());
        }

        final int tileSize = DEFAULT_TILE_SIZE;

        ImageSplitResult result = new ImageSplitResult();

        Mat inputImage  = Imgcodecs.imread(file.getAbsolutePath());

        log.info(String.format("load image: %s x %s", inputImage.rows(), inputImage.cols()));


        // 分辨率补充
        int max = Math.max(inputImage.cols(), inputImage.rows());
        if (max % tileSize != 0) {
    
    
            double ceil = Math.ceil(max / (double) tileSize);
            inputImage = mergeTile(inputImage, (int) ceil * tileSize);
        }

        File outDir = new File(outputPath);
        if (!outDir.exists()) {
    
    
            outDir.mkdirs();
        }

        long startTime = System.currentTimeMillis();

        int totalLevel = computeLevel(inputImage.cols(), inputImage.width(), tileSize);

        result.levels = totalLevel;
        
        int count = 0; // 处理了几级

        do {
    
    

            long _start = System.currentTimeMillis();

            int useLevel = totalLevel - count - 1;
            // Break the image into small tiles
            for (int y = 0; y < inputImage.rows(); y += tileSize) {
    
    
                for (int x = 0; x < inputImage.cols(); x += tileSize) {
    
    
                    Rect roi = new Rect(x, y, Math.min(tileSize, inputImage.cols() - x), Math.min(tileSize, inputImage.rows() - y));
                    Mat tile = new Mat(inputImage, roi);
                    // Save the tile to the output folder
                    File outputTileFile = new File(outputPath,  useLevel + File.separator + x / tileSize + File.separator + y / tileSize + ".jpg");
                    if (!outputTileFile.getParentFile().exists()) {
    
    
                        outputTileFile.getParentFile().mkdirs();
                    }
                    Imgcodecs.imwrite(outputTileFile.getAbsolutePath(), tile);
                    result.tileCount++;
                }
            }
            log.info(String.format("level: %s time: %s ms", useLevel, System.currentTimeMillis() - _start));

            Imgproc.resize(inputImage, inputImage, new Size(inputImage.cols() / 2, inputImage.rows() / 2));

            count ++;
        } while ((inputImage.cols() >= tileSize && inputImage.rows() >= tileSize));

        log.info(String.format("切片完成, 耗时: %s MS", System.currentTimeMillis() - startTime));


        return result;
    }

    private static Mat mergeTile(Mat tile, int size) {
    
    

        if (tile.rows() == size && tile.cols() == size) {
    
    
            return tile;
        }
        Mat baseTile = new Mat(size, size, CvType.CV_8UC3, Scalar.all(255));
        Rect newRoi = new Rect(0, 0, tile.cols(), tile.rows());
        Mat roiMat = new Mat(baseTile, newRoi);
        tile.copyTo(roiMat);

        return baseTile;
    }

    public static ImageSplitResult splitImage(String filePath, String outputPath) throws IOException {
    
    

        return splitImage(new File(filePath), outputPath);

    }
}

前端预览

直接使用 leatlet 来加载切好的瓦片，效果还是很不错的 !!! 理论上支持 TMS 瓦片标准的地图引擎都可以直接使用的！
在这里插入图片描述

在这里插入图片描述

有问题或优化建议欢迎指导 ~~~

文章目录

前言

处理流程

完整代码

前端预览

猜你喜欢