使用GDAL實現DEM的地貌暈渲圖(三)

[toc]

1. 原理

以前在《使用GDAL實現DEM的地貌暈渲圖(一)》和《使用GDAL實現DEM的地貌暈渲圖(二)》這兩篇文章中詳細介紹了DEM生成地貌暈渲圖的原理與實現。不過以前生成的都是暈渲強度值對應的灰度圖，而實際的應用過程當中都會將DEM暈渲成彩色圖。

1) ArcMap生成彩色暈渲圖

能夠經過ArcMap的作法來參考如何生成彩色暈渲圖（參考[1]），在ArcMap中生成彩色暈渲圖的步驟以下：

1. 經過山體陰影工具生成灰度暈渲圖，這一點與前面文章介紹的相一致。
2. 而後在原DEM圖的顯示中，選擇最大最小拉伸顯示，而後選擇一個合適的彩色色帶賦值。
3. 最後，將步驟一的灰度暈渲圖設置必定的透明度，疊加到步驟二的彩色圖上，就生成了最終具備立體感的彩色暈渲圖。

ArcMap生成的彩色暈渲圖：

2) 彩色色帶賦值

不難發現，生成彩色暈渲圖的關鍵是第二步：要選取合適的色帶，讓色帶根據對應的高程賦值。查閱了很多的資料，這個色帶應該沒有固定合適通用的模板，是須要本身根據具體的須要調整的。好比，海平面能夠賦值成藍色；高山山頂賦值成白色；戈壁沙漠賦值成黃色；草原森林賦值成綠色，這些地貌特徵都具備必定的高程相關性，能夠根據必定的絕對高程區間賦值。

我這裏採起的作法仍是跟ArcMap一致，選取漸變色帶來賦值，將漸變色帶約束到DEM的最小最大高程。考慮到地貌的多變性，我這裏生成了藍-綠-黃-紅-紫的多段的漸變色帶。這樣DEM的暈渲效果就是越低越藍，越高越紫。

通常爲了保證過渡效果會選擇漸變色帶，漸變色帶的生成也比較簡單，選擇頭尾兩個的顏色的RGB值和必定的漸變範圍，分別讓RGB的值勻速變換就好了。彩色色帶的生成算法以下（可參考第二部分的具體實現來理解）：

//顏色查找表
vector<F_RGB> tableRGB(256);		

//生成漸變色
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;
	}
}

//初始化顏色查找表
void InitColorTable()
{
	F_RGB blue(17, 60, 235);//藍色	
	F_RGB green(17, 235, 86);//綠色
	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);//黃色	
	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);//紅色
	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) 顏色疊加

第一步和第二步分別生成了暈渲強度圖和高程彩色色帶圖，第三步就是將二者的顏色疊加，生成最終的效果圖。其實顏色疊加的原理特別簡單，對於暈渲強度圖的像素值A，令其不透明度爲α；對應的高程彩色色帶圖的像素值B，那麼最後疊加的像素值 C=α*A+(1-α)B。能夠這麼理解:光線到達A，因爲透光性只產生了αA的效果，還有(1-α)強度的光線射到B，又產生了(1-α)B的效果，二者疊加就是αA+(1-α)*B。

2. 實現

繼續改造以前的代碼，最終的實現過程以下：

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

using namespace std;
using namespace osg;

//RGB顏色
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;
	}

};

//顏色查找表
vector<F_RGB> tableRGB(256);		

//生成漸變色
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;
	}
}

//初始化顏色查找表
void InitColorTable()
{
	F_RGB blue(17, 60, 235);//藍色	
	F_RGB green(17, 235, 86);//綠色
	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);//黃色	
	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);//紅色
	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];
	}
}

//根據高程選顏色
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全部操做都須要先註冊格式
	CPLSetConfigOption("GDAL_FILENAME_IS_UTF8", "NO");  //支持中文路徑
	CPLSetConfigOption("GDAL_DATA", "D:/Work/GDALBuild/gdal_build_result/data");  //支持中文路徑

	//const char* demPath = "D:/CloudSpace/個人技術文章/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();   //圖像寬度
	int imgHeight = img->GetRasterYSize();  //圖像高度
	int bandNum = img->GetRasterCount();    //波段數
	int depth = GDALGetDataTypeSize(img->GetRasterBand(1)->GetRasterDataType()) / 8;    //圖像深度

	GDALDriver *pDriver = GetGDALDriverManager()->GetDriverByName("GTIFF"); //圖像驅動
	char** ppszOptions = NULL;
	ppszOptions = CSLSetNameValue(ppszOptions, "BIGTIFF", "IF_NEEDED"); //配置圖像信息
	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);
	}

	//申請buf
        depth = 4;
	size_t imgBufNum = (size_t)bufWidth * bufHeight * bandNum;
	float *imgBuf = new float[imgBufNum];
	//讀取
	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];			//左上角點座標X
	double dx = padfTransform[1];			//X方向的分辨率
	double startY = padfTransform[3]; 			//左上角點座標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);
		}
	}
		
	//申請buf
	size_t dstBufNum = (size_t)bufWidth * bufHeight * dstBand;
	GByte *dstBuf = new GByte[dstBufNum];
	memset(dstBuf, 0, dstBufNum*sizeof(GByte));

	//設置方向：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;
			}	
		}
	}


	//寫入
	dst->RasterIO(GF_Write, 0, 0, bufWidth, bufHeight, dstBuf, bufWidth, bufHeight,
		GDT_Byte, dstBand, nullptr, dstBand*dstDepth, bufWidth*dstBand*dstDepth, dstDepth);
	
	//釋放
	delete[] imgBuf;
	imgBuf = nullptr;

	//釋放
	delete[] dstBuf;
	dstBuf = nullptr;

	//
	GDALClose(dst);
	dst = nullptr;

	GDALClose(img);
	img = nullptr;

	return 0;
}

最終實現的效果圖以下，能夠看到確實實現了高程越低越藍，越高越紫的暈渲效果，同時具備深度感，能看清山脊地貌，效果與ArcMap基本一致，只是配色效果不一樣。

3. 結語

關於DEM的地貌暈渲圖的實現暫時告一段落了。應該來講仍是有些模糊不清的地方，在查閱資料的時候就有所感受，如今關於GIS的基礎原理資料老是不太清晰，原理概念一堆，但就是理解不了。但若是有新的問題或者發現，但願看到這幾篇文章的朋友能批評指正下。

4. 參考

[1]. ArcGIS製圖手冊(3-2)山體陰影和暈渲 [2]. RGB顏色插值漸變原理及算法 [3]. 兩個RGBA四通道顏色的疊加計算方法與代碼實現