用Ganos低代码实现免切片遥感影像浏览-阿里云开发者社区

用Ganos低代码实现免切片遥感影像浏览

2024-09-27 7

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

对象存储 OSS，20GB 3个月

对象存储 OSS，恶意文件检测 1000次 1年

云原生数据库 PolarDB PostgreSQL 版，标准版 2核4GB 50GB

简介： 本文介绍了一种基于PolarDB兼容PostgreSQL 14的高效栅格数据管理和可视化方案。推荐配置包括4核CPU、16GB内存、50GB磁盘等。通过创建扩展并上传影像至OSS，利用SQL语句完成数据导入、镶嵌、匀色及金字塔构建。重点介绍了使用ST_AsTile函数动态生成标准瓦片的方法，支持多种格式和增强方式。前端通过Python实现服务接口，实现实时、高效的数据展示。此方案具有实时性强、存储成本低等优点，适合快速可视化大量栅格数据。

建议配置
为了得到良好的体验，建议使用以下配置：
项目
推荐配置
PolarDB 版本
标准版兼容PostgreSQL 14
CPU

4 Core
内存
16 GB
磁盘
50GB(AUTOPL)
版本
1.1.39
Ganos版本
= 6.3
最佳实践
创建ganos raster扩展
CREATE EXTENSION ganos_raster CASCADE;
数据准备与入库
这里我们准备4景landsat8影像，共RGB+NIR四个波段，并上传到OSS。
首先创建栅格数据表：
CREATE TABLE landsat8
(
id integer,
rast raster
)
然后，通过ST_ImportFrom函数进行入库，如下：
INSERT INTO landsat8 VALUES (1, ST_ImportFrom('chunk_table','OSS://:@oss-cn-beijing-internal.aliyuncs.com/dmybucket/data/LC08_L1TP_128034_20160928_20170320_01_T1.TIF'));
INSERT INTO landsat8 VALUES (2, ST_ImportFrom('chunk_table','OSS://:@oss-cn-beijing-internal.aliyuncs.com/dmybucket/data/LC08_L1TP_128035_20181004_20181010_01_T1.TIF'));
INSERT INTO landsat8 VALUES (3, ST_ImportFrom('chunk_table','OSS://:@oss-cn-beijing-internal.aliyuncs.com/dmybucket/data/LC08_L1TP_129034_20190726_20190801_01_T1.TIF'));
INSERT INTO landsat8 VALUES (4, ST_ImportFrom('chunk_table','OSS://:@oss-cn-beijing-internal.aliyuncs.com/dmybucket/data/LC08_L1TP_129035_20181027_20181115_01_T1.TIF'));
注意：数据库实例需要和OSS在同一个Region中，并通过使用内部地址方式进行访问。和需要替换为实际信息（不带尖括号）
然后可以查看入库后的4景raster影像：
SELECT ST_Name(rast), ST_Width(rast),ST_Height(rast),ST_SRID(rast),ST_NumBands(rast) FROM landsat8;
输出结果如下：
数据镶嵌/匀色
我门先使用raster提供的ST_MosaicFrom函数将多景遥感影像镶嵌为一个raster对象，id为101。这里通过设置"color_balance"属性为true以支持匀色功能（按需）。然后通过ST_BuildPyramid对镶嵌后的新的raster对象创建金字塔信息以提高显示效率。具体SQL语句如下。
--镶嵌/匀色
INSERT INTO landsat8 values(101, ST_MosaicFrom(Array(
SELECT rast FROM landsat8 WHERE id < 5),
'rbt_mosaic','',
'{"srid":4326, "cell_size":[0.0002,0.0002], "nodata": true, "nodatavalue":0, "color_balance":true}'));
--创建金字塔
UPDATE landsat8 SET rast=st_buildpyramid(rast) WHERE id=101;
匀色后的raster对象导出为GTiff格式后显示如下：
生成瓦片
使用ST_AsTile函数可以对指定范围内的raster对象进行裁剪，重投影，并按照256x256尺寸输出为标准瓦片。在具体使用过程中，空间范围可以按照Google地图的切片方式，通过zoom的层级和行列号来换算出具体的空间范围，然后通过下面sql就可以获取PNG格式的256x256的瓦片，从而可直接从地图上展示。
4.1 RGB DOM影像
对于三波段的DOM影像，不需要额外像素值拉伸处理，可以直接导出为PNG格式的Tile进行显示。每个瓦片的空间范围可以通过ST_TileEnvelope获得。具体SQL如下。
SELECT ST_AsTile(
rast,
ST_TileEnvelope(tile_zoom, tile_column, tile_row),
'{"strength":"none", "format":"PNG", alpha":true}'
)
FROM landsat8 WHERE id=101;
参数解释：
• format: 导出瓦片格式，目前支持PNG、JPEG和Tiff三种格式。默认为PNG，为经过拉伸后可以直接显示的RGB瓦片。如果用户希望自己对原始像素信息进行处理，可以选择GTiff，这样用户拿到最原始的像素值。
• bands：指定RGB对应的波段，如果不指定，默认选择前三个波段。
• strength：显示增强的方式，包括：
• none:不进行增强
• stats：使用统计值进行拉伸（默认）
• ratio: 按照百分比拉伸
4.2 多波段
对于像Landsat这种多波段遥感影像，一般需要选择3个波段，并进行像素值进行拉伸，变成0-255范围内的RGB波段，才能正常显示。具体SQL语句需要修改strength和bands参数，如下：
SELECT ST_AsTile(
rast,
ST_TileEnvelope(tile_zoom, tile_column, tile_row),,
'{"strength":"ratio", "format":"PNG", "bands":"0,1,2", "alpha":true}'
)
FROM landsat8 WHERE id=101;
这里我们选择0，1，2三个波段作为RGB波段，并采用ratio方式按照百分比拉伸。
前端设计
可以使用任何开发语言进行服务接口的开发，以python环境为例，首先安装需要的包：
pip install asyncpg
pip install quart
创建app.py文件，内容如下：
from quart import Quart, send_file, render_template
import asyncpg
import io
import re

数据库连接参数

CONNECTION = {"host": "数据库连接地址", "port": 端口,
"user": "用户名", "password": "密码", "database": "数据库名称"}

目标表名

TABLE_NAME = "landsat8"

目标字段

RASTER_COLUMN = "rast"

目标ID

RASTER_ID = "101"
app = Quart(name, template_folder='./')
@app.before_serving
async def create_db_pool():
app.db_pool = await asyncpg.create_pool(*CONNECTION)
@app.after_serving
async def close_db_pool():
await app.db_pool.close()
@app.route("/")
async def home():
sql = f'''
SELECT ST_Extent(
ST_Transform(
ST_Envelope({RASTER_COLUMN}), 4326))
FROM {TABLE_NAME}
WHERE ID = {RASTER_ID};
'''
async with app.db_pool.acquire() as connection:
box = await connection.fetchval(sql)
box = re.findall('BOX((.?) (.?),(.?) (.*?))', box)[0]
min_x, min_y, max_x, max_y = list(map(float, box))
bounds = [[min_x, min_y], [max_x, max_y]]
center = [(min_x + max_x) / 2, (min_y + max_y) / 2]
return await render_template('./index.jinja2', center=str(center), bounds=str(bounds))
@app.route("/raster///")
async def raster(z, x, y):
# 指定波段及拉伸方式
config = '{"strength":"ratio","bands":"0,1,2","alpha":true}'
sql = f'''
SELECT (
  ST_AsTile({RASTER_COLUMN},
    ST_Transform(
      ST_Tileenvelope($1,$2,$3),
    ST_Srid({RASTER_COLUMN})), \'{config}\')
  ).data tile
FROM {TABLE_NAME}
WHERE ID = {RASTER_ID};'''
async with app.db_pool.acquire() as connection:
    tile = await connection.fetchval(sql, z, x, y)
    return await send_file(io.BytesIO(tile), mimetype='image/png')
if name == "main":
//代码效果参考：https://www.intpipe.com/sitemap/post.html
//代码效果参考：https://www.intpipe.comhttps://www.intpipe.com
//代码效果参考：https://www.nbhbjx.cn/sitemap/post.html
//代码效果参考：https://www.vipwb.com/sitemap/post.html
# 指定端口为5500,可自行修改为合适的端口
app.run(port=5500)
最后启动服务：
python app.py
在浏览器中查看图层效果：
技术优势
相比传统的栅格切片，使用ST_AsTile的主要优势包括：
• 支持实时动态生成规则的瓦片，避免传统切瓦片操作存在的数据冗余问题，节省存储成本
• 自动实现栅格裁剪、重投影、重采样操作，更加方便简洁
• 单个瓦片生成效率达到百毫秒内，满足实时性要求
• 数据更新后，无需重新切片，可实时展示更新内容
目前ST_AsTile功能仅支持对单个raster对象的操作，如果涉及到多个raster对象（如多景影像需要同时查看）则需要对raster对象进行镶嵌操作。后续版本会增加对raster对象集合的支持，这样用户不需要进行镶嵌操作即可实时获取整个raster数据集产生的瓦片。
总结
本文介绍了Ganos全新发布的栅格数据快显能力，帮助用户可以快速可视化存储在PolarDB数据库中的各类栅格数据。相较于传统发布预制栅格瓦片服务的方式，全新的动态栅格瓦片可以更好的保持数据现势性，同时与Ganos强大的栅格分析能力结合，保证分析结果实时可见。Ganos作为全球首个专业级空间数据库，已经将狭义的空间数据拓展至“空天地、室内外、地上下、动静态”等全空间范畴，从数据库系统最底层为物理世界数字化提供时空处理框架，未来Ganos还将提供更多高效的库内空间分析与可视化能力，推动各行业的空间信息应用真正走向“视算一体”。
试用体验
可以访问PolarDB免费试用页面，选择试用“云原生数据库PolarDB PostgreSQL版”，体验栅格数据快显能力。

用Ganos低代码实现免切片遥感影像浏览

数据库连接参数

目标表名

目标字段

目标ID

热门文章

最新文章

相关课程

相关电子书

相关实验场景