1. 原理
之前在《使用GDAL实现DEM的地貌晕渲图(一)》和《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：
- 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。
- 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。
- 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=αA+(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
depth = 4;
size_t imgBufNum = (size_t)bufWidth * bufHeight * bandNum;
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