ArcMap:如何渲染一幅精美的地形图

news2024/11/18 1:21:31

目录

01 python渲染地形图

1.1 代码展示

1.2 重点讲一下阴影和光源的设置。

1.3 如何使用阴影进行进行渲染?

02  ArcMap+ArcSence渲染地形图

2.1 山地阴影的制作 

2.2 基本高度和偏移 

2.3 图层叠加和透明度等参数的设置

2.4  渲染的设置

2.5  其它设置


尝试使用python进行渲染,感觉总是不太满意,但是做都做了,还是贴出来。其实感觉ArcSence做的其实会好看很多。

01 python渲染地形图

1.1 代码展示

思路其实也很简单,就是山地阴影+光源。其它的无非就是参数调整。

import numpy as np
from osgeo import gdal
from matplotlib import pyplot as plt
from matplotlib.colors import LightSource
from mpl_toolkits.axes_grid1 import make_axes_locatable
# 设置DEM路径
dem_file = "E:\\资料\\Competition\\PIE\\Sentinel1_2019\\DEM\\DEM_ZhaoDong.tif"  # 换成你自己的DEDM路径
def plot1(dem_file):
    # 使用GDAL驱动并读取DEM数据
    ds = gdal.Open(dem_file)
    data = ds.ReadAsArray()

    # 设置无效值
    nodata = ds.GetRasterBand(1).GetNoDataValue()
    if np.any(data == nodata):
        data = np.ma.masked_equal(data, nodata)

    # 创建光源对象
    ls = LightSource(azdeg=360, altdeg=30)

    # 创建图像和轴对象
    fig, ax = plt.subplots(figsize=(8, 6), dpi=666)

    # 使用色带和阴影渲染DEM数据
    rgb = ls.shade(data, cmap=plt.cm.gist_earth, blend_mode='hsv',
                   vert_exag=2, dx=10, dy=10, fraction=1.05)
    img = ax.imshow(rgb, aspect='auto')
    # 添加色带(基于原始的DEM数据)
    divider = make_axes_locatable(ax)
    cax = divider.append_axes("right", size="5%", pad=0.05)
    img2 = ax.imshow(data, cmap=plt.cm.gist_earth)  # 仅仅用于色带
    fig.colorbar(img2, cax=cax, orientation='vertical')
    img2.remove()  # 在创建色带后删除
    # 设置轴标题
    ax.set_title('DEM (Shaded)')
    # 展示图像
    plt.show()


# 执行函数绘制地形图
plot1(dem_file)

1.2 重点讲一下阴影和光源的设置。

# 创建光源对象
ls = LightSource(azdeg=360, altdeg=30)

# 创建图像和轴对象
fig, ax = plt.subplots(figsize=(8, 6), dpi=666)

# 使用色带和阴影渲染DEM数据
rgb = ls.shade(data, cmap=plt.cm.gist_earth, blend_mode='hsv',
                   vert_exag=2, dx=10, dy=10, fraction=1.05)
img = ax.imshow(rgb, aspect='auto')

其中的创建光源对象,LightSource函数需要传入两个参数,azdeg(光源方位角:默认315°)和altdeg(光源高度角:默认45°);具体图示如下(源ArcGIS):

实际上,就是光源在你的哪个方向(光源方位角),有多高(光源高度角)?

1.3 如何使用阴影进行进行渲染?

ls.shade方法需要传入DEM数据(data)、色带(plt.cm.gist_earth)、blend_mode(hsv,类似一种色调可能,但是实际上它是一种颜色的混合方式,在ENVI中有HSV混合、RGB等)、vert_exag(高度的夸张系数,因为它渲染是按照DEM高度进行渲染的,如果DEM本身就没有什么起伏,那么看起来的效果和2D没有什么区别,如果你想要使DEM的高度进行拉伸使其更具三维效果,你可以设置这个参数,这个和ArcSence的垂直夸大系数基本没有区别)、dx和xy(数据的分辨率,用于计算阴影的方向,设置高一些),fraction(阴影的不透明度)。

这是专业一点的回答:

  • data: 要渲染的DEM数据。
  • cmap: 色带(colormap)用于将高度值映射为颜色。这里使用plt.cm.gist_earth色带,它模拟了地球表面的颜色。
  • blend_mode: 颜色混合模式,默认为'hsv'。可选的混合模式有'soft''overlay''hsv'
  • vert_exag: 高度的垂直放大因子,用于控制DEM的垂直拉伸,默认为1.0。
  • dx, dy: 数据的水平和垂直分辨率,用于计算阴影的方向。默认情况下,它们分别为1。
  • fraction: 阴影的不透明度,默认为1.0(完全不透明)。
  • ax.imshow(): 在轴对象上绘制图像。rgb是通过阴影渲染生成的RGB图像。
  • aspect='auto': 图像的纵横比,设置为'auto'以自动调整。

 这是出的效果图(不特别好看):

02  ArcMap+ArcSence渲染地形图

其实它渲染的也不是很满足我的要求,我想要是下面这个样子的,但是目前为止我暂时还不知道如何去制作,我猜测需要使用一些专门的3D渲染软件例如Blender、PS(3d map generator)等会得到更好的效果,当然ArcMap pro的效果相对于ArcMap应该会更好,也可以尝试。

首先,我们要实现的就是python代码所实现的,实际上还是灯源+阴影。阴影的话我们使用ArcMap(ArcSence其实也可以)的山地阴影工具基于DEM数据进行山地阴影的生成;至于灯源的话我们需要使用到ArcSence进行设置了。

还有一件事,那就是python是直接使用阴影生成了一个渲染好的地形图,但是我们初窥可以发现,将DEM(顶层)与山地阴影(底层)两幅影像进行叠加可以达到这种效果,不过需要将DEM的透明度调整为45%左右,其他的参数也需要调整。

接下来直接实操吧。

2.1 山地阴影的制作 

我直接在ArcSence中制作了。

2.2 基本高度和偏移 

如果你设置完上述之后,DEM和山体阴影还是没有三维效果,那么你可以尝试下面的操作:

  

2.3 图层叠加和透明度等参数的设置

这种调整因人而异,每一个人的感觉都是不一样的,大家只要自己包括周围人觉得差不多,那就是调的差不多了。

DEM的显示参数如下:

 

2.4  渲染的设置

其实,2.3步骤做完了,基本上你可以看到渲染的效果,但是我们还可以进一步渲染。

基本上做完你可以看到如下效果了:

 

2.5  其它设置

其实做完2.4基本上就完成了地形图的渲染,但是这里还有一些其它的设置。

 

 如何将渲染的地形图输出呢?

 

最后看一下输出的效果吧。

 

 

 

 但是其实这些还是不满足我的要求,我想要的是下面这个样子,不过暂且满足吧。

(包含中国的三维渲染地形图)

 (西南地区山地)

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/543716.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Linux利器tmux使用教程总览

文章目录 为什么是tmuxtmux的安装在Ubuntu和Debian上安装Tmux在CentOS和Fedora上安装Tmux在macOS上安装Tmux tmux的基本术语tmux的基本操作使用场景 tmux 是一个终端复用器(terminal multiplexer),非常有用,属于常用的开发工具。本…

CAN波形分析

第一章 CAN基础 CAN波形分析 示波器表笔正连CANH,负极连CANL得到的波形为: CANH和CANL经过MCP2551或者MCP2515转换之后,示波器正极连CRX,负极接地波形为 二进制表示并解析为 上图第二排红色表示的数字为每隔5个相同的数字要用奇异值隔开&…

性能测评:腾讯云轻量应用服务器CPU内存带宽系统盘

腾讯云轻量应用服务器性能如何?CPU型号主频、内存、公网带宽和系统盘存储多维对比,轻量应用服务器会不会比云服务器CVM性能差?相对于CVM云服务器轻量服务器更适合轻量级的应用,轻量服务适合中小企或个人开发者用于搭建We网站应用、…

【K8s】什么是Pod?Pod的调度与控制器

文章目录 一、Pod介绍1、Pod结构2、Pod的定义 二、Pod配置:spec.containers1、基本配置 name和image2、镜像拉取策略 imagePullpolicy3、启动命令 command4、环境变量 env5、端口设置 ports6、资源配额 resources 三、Pod的生命周期1、创建和终止2、初始化容器3、钩…

关于选择法拍房的五点建议

一边是不断上升的成交量和不断刷新的成交额,另一边是买了房无法入住和面临的一大笔税费,关于“法拍房”,其热度和问题并存交织。然而这一切对于一些有着结婚、孩子入学、养老、改善等购房需求的刚需者来说,丝毫没有影响......因为…

linux系统SSL证书部署https单/多站点

以下教程为linux系统申请SSL证书,部署单/多站点https方法。如果对技术不熟悉,建议l联系服务商。 另需先申请下载SSL证书,如还没有,请先申请ssl证书。 一、linux系统单/多站点https部署方法(安装默认wdcp环境&#xf…

【框架源码】SpringBoot核心源码解读之自动配置源码分析

SpringBoot流行之前,程序员大多是用SSM框架整合来进行WEB后端开发。这种方式非常麻烦,需要手动引入大量的包,还要配置很多XML文件,光是搭建环境就需要很久。 基于这种的SSM中xml配置的繁琐,后来衍生出SpringBoot。Spr…

设计模式之装饰者模式(Decorator Pattern)——惯用继承思考者的另类路径

文章目录 装饰者模式问题分析解决方案装饰模式结构真实的设计案例1. 自定义编码器2. Java设计中的装饰者模式 装饰模式适合应用场景优缺点 装饰者模式 装饰模式是一种结构型设计模式, 允许你通过将对象放入包含行为的特殊封装对象中来为原对象绑定新的行为。 装饰…

什么是研发 Lead Time?我悟了!

嗨,朋友!你听说过「新型工伤」吗? 我好像「赛博确诊」了😣 那天朋友约我吃饭,我下意识回复了句「好的,那我提一个日程」……还有上次跟一位准妈妈聊天,我好奇宝宝的预产期,结果脱口…

chatgpt赋能Python-python3_5怎么保存

Python 3.5 如何保存:完全指南 Python 作为一种高效的编程语言,以其清晰易懂的语法和优秀的生态系统著称。对于新手来说,Python 3.5 是一个很好的起点,因为它不仅有许多新的功能,还很容易学习。但是,尽管如…

Python实现ACO蚁群优化算法优化BP神经网络分类模型(BP神经网络分类算法)项目实战

说明:这是一个机器学习实战项目(附带数据代码文档视频讲解),如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 蚁群优化算法(Ant Colony Optimization, ACO)是一种源于大自然生物世界的新的仿生进化算法&#xff0c…

机器学习-1 机器学习概述

机器学习概述 机器学习简介什么是机器学习?机器学习与人脑学习比较交叉学科机器学习、人工智能与深度学习 基本的机器学习术语机器学习的工作流程数据采集数据处理特征工程构建模型模型评估知识框架 机器学习的分类监督学习无监督学习半监督学习强化学习 机器学习常…

宝塔面板快速搭建贪吃蛇小游戏web网站 - 无需云服务器,网站发布上线

文章目录 前言视频教程1. 环境安装2. 安装cpolar内网穿透3. 内网穿透4. 固定http地址5. 配置二级子域名6. 创建一个测试页面🍎总结 转载自远程内网穿透的文章:Linux使用宝塔面板搭建网站,并内网穿透实现公网访问 前言 宝塔面板作为简单好用的…

it618云存储H5上传 图片附件 音视频自播放 v2.1.0(it618_h5oss)

实测演示地址(图片云存储、云存储音乐mp3自动播放、云存储视频自动解析播放): 插件介绍: 目前本插件只对接了阿里云OSS,就是说图片等是上传到阿里云OSS的 支持的媒体有:图片、附件、音频与mp4视频 支持媒体…

项目部署云服务器

购买云服务器 腾讯云 产业智变云启未来 - 腾讯 (tencent.com)https://cloud.tencent.com/记得选CentOS(基于Linux)操作系统 使用XShell连接服务器 XShell其实就是一种远程终端模拟软件,它可以让用户连接到其他计算机,并在本地终…

Maven分模块开发

文章目录 1 分模块开发设计2 分模块开发实现2.1 环境准备2.2 抽取domain层步骤1:创建新模块步骤2:项目中创建domain包步骤3:删除原项目中的domain包步骤4:建立依赖关系步骤5:编译maven_02_ssm项目步骤6:将项目安装本地仓库 2.3 抽取Dao层步骤1:创建新模块步骤2:项目中创建dao包…

尚硅谷大数据技术Spark教程-笔记07【Spark内核源码(环境准备、通信环境、应用程序执行、shuffle、内存管理)】

尚硅谷大数据技术-教程-学习路线-笔记汇总表【课程资料下载】视频地址:尚硅谷大数据Spark教程从入门到精通_哔哩哔哩_bilibili 尚硅谷大数据技术Spark教程-笔记01【SparkCore(概述、快速上手、运行环境、运行架构)】尚硅谷大数据技术Spark教程…

5th-Generation Mobile Communication Technology(五)

目录 一、5G/NR 1、 快速参考(Quick Reference) 2、5G Success 3、5G Challenges 4、Qualcomm Videos 二、PHY and Protocol 1、Frame Structure 2、Numerology 3、Waveform 4、Frequency Band 5、BWP 6、Synchronization 7、Beam Management 8、CSI Fra…

Gradle+组件化开发

Gradle组件化开发 Gradle一.什么是gradle?二.gradle优势三.project和module的关系三.project.gradle和module.gradle的区别 组件化开发一.背景二.项目结构三.组件开发代码配置四.BuildSrc组件化开发![在这里插入图片描述](https://img-blog.csdnimg.cn/bff8d7e91fd2…

RCNN网络原理详解

文章目录 一、前言二、R-CNN原理步骤2.1.Selective Search生成目标检测框2.2.对候选区域使用深度网络提取特征2.3.SVM分类2.4.使用回归器精细修正候选框位置 三、总结参考博客与学习视频 一、前言 学习目标检测当然要学习目标检测领域的开山之作R-CNN,本文为个人笔记。 二、…