使用GDAL实现DEM的地貌晕渲图(三)

1. 原理

之前在《使用GDAL实现DEM的地貌晕渲图(一)》《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。不过之前生成的都是晕渲强度值对应的灰度图,而实际的应用过程中都会将DEM晕渲成彩色图。

1) ArcMap生成彩色晕渲图

可以通过ArcMap的做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如下:

  1. 通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。
  2. 然后在原DEM图的显示中,选择最大最小拉伸显示,然后选择一个合适的彩色色带赋值。
  3. 最后,将步骤一的灰度晕渲图设置一定的透明度,叠加到步骤二的彩色图上,就生成了最终具有立体感的彩色晕渲图。

ArcMap生成的彩色晕渲图:

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。查阅了不少的资料,这个色带应该没有固定合适通用的模板,是需要自己根据具体的需要调整的。比如,海平面可以赋值成蓝色;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,这些地貌特征都具有一定的高程相关性,可以根据一定的绝对高程区间赋值。

我这里采取的做法还是跟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。

一般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值和一定的渐变范围,分别让RGB的值匀速变换就行了。彩色色带的生成算法如下(可参考第二部分的具体实现来理解):

//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,第三步就是将两者的颜色叠加,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=α*A+(1-α)B。可以这么理解:光线到达A,由于透光性只产生了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,两者叠加就是αA+(1-α)*B。

2. 实现

继续改造之前的代码,最终的实现过程如下:

#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所有操作都需要先注册格式
	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/我的技术文章/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;
}

最终实现的效果图如下,可以看到确实实现了高程越低越蓝,越高越紫的晕渲效果,同时具有深度感,能看清山脊地貌,效果与ArcMap基本一致,只是配色效果不同。

3. 结语

关于DEM的地貌晕渲图的实现暂时告一段落了。应该来说还是有些模糊不清的地方,在查阅资料的时候就有所感觉,现在关于GIS的基础原理资料总是不太清晰,原理概念一堆,但就是理解不了。但如果有新的问题或者发现,希望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

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券