引入
gdal2Mbtiles是个小工具(以下简称g2m),其作用是将栅格地图(主要是Tiff格式)切成瓦片,存入Mbtiles格式的数据库中,以便于其他支持Mbtiles格式的地图服务器直接调用.
一开始我也是为了用它来切割Tiff底图,发布Tileserver-GL服务的,不过用了一下,发现其切图速度比较快.所以想看一下其内部结构.觉得其代码并不简单,也是一个深思熟虑的系统.
整体架构
通观整体后会发现,g2m的面向对象设计做的很好.虽然最终只能输出png格式的图片,但实现了图片的基类和JPG的图片类,只能导出为Mbtiles格式却也能通过文件存储基类可以实现gdal2folder的功能.详尽的文档与充足的单元测试也说明了这是个成熟的用心的工具.
main.py
整个程序通过setup.py安装后,注册成为命令行工具.最终入口就是main.py,主要负责构建g2m所需参数.
在python中,借助ArgumentParser处理参数是非常容易的事情:
parser=argparse.ArgumentParser()
parser.add_argument("echo",help="echo the string")
args=parser.parse_args()
add_argument()常用的参数：
dest：如果提供dest，例如dest="a"，那么可以通过args.a访问该参数
default：设置参数的默认值
action：参数出发的动作
store：保存参数，默认
store_const：保存一个被定义为参数规格一部分的值（常量），而不是一个来自参数解析而来的值。
store_ture/store_false：保存相应的布尔值
append：将值保存在一个列表中。
append_const：将一个定义在参数规格中的值（常量）保存在一个列表中。
count：参数出现的次数
parser.add_argument("-v", "--verbosity", action="count", default=0, help="increase output verbosity")
version：打印程序版本信息
type：把从命令行输入的结果转成设置的类型
choice：允许的参数值
parser.add_argument("-v", "--verbosity", type=int, choices=[0, 1, 2], help="increase output verbosity")
help：参数命令的介绍
利用处理后的参数,就可以正式驱动g2m了.
def main(args=None, use_logging=True):
if args is None:
args = sys.argv[1:]
args = parse_args(args=args)
# 避免vips解析sys.argv
from gdal2Mbtiles.helpers import warp_Mbtiles
# 需要的话构建临时文件
with input_output(inputfile=args.INPUT,
outputfile=args.OUTPUT) as (inputfile, outputfile):
# 记录元数据
metadata = dict(
description=args.description,
format=args.format,
name=args.name,
type=args.layer_type,
version=args.version,
)
# 通过GDAL初始化指定的空间参考
spatial_ref = SpatialReference.FromEPSG(args.spatial_reference)
# 初始化波段
if not args.coloring:
colors = band = None
else:
colors = args.coloring(args.colors)
band = args.colorize_band
# 初始化图片格式
pngdata = {'png8': args.png8}
# 开始切割
warp_Mbtiles(inputfile=inputfile.name, outputfile=outputfile.name,
# MBTiles
metadata=metadata,
# GDAL相关参数
spatial_ref=spatial_ref, resampling=args.resampling,
# 参数渲染
min_resolution=args.min_resolution,
max_resolution=args.max_resolution,
fill_borders=args.fill_borders,
zoom_offset=args.zoom_offset,
pngdata=pngdata,
# 颜色处理
colors=colors, band=band)
return 0
对于输入/输出路径,这里做了特殊的预处理.其值默认为系统输入/输出,如果未指定该值,则建立临时文件.
@contextmanager
def input_output(inputfile, outputfile):
tempfiles = []
infile = inputfile
if inputfile == sys.stdin:
# 建立临时文件
infile = NamedTemporaryFile()
# 将数据从输入流复制到该文件
copyfileobj(inputfile, infile)
# 游标归0
infile.seek(0)
tempfiles.append(infile)
outfile = outputfile
if outputfile == sys.stdout:
outfile = NamedTemporaryFile()
tempfiles.append(outfile)
try:
yield infile, outfile
# 最终从临时文件输出到输出流
if outputfile == sys.stdout:
copyfileobj(open(outfile.name, 'rb'), outputfile)
finally:
for f in tempfiles:
f.close()
这里使用了contextmanager装饰器,将函数包装为一个支持with调用,结束后自动释放的对象.
通过给一个try…finally…结构的函数头部加上@contextmanager就可以通过with…as…结构来调用它了，这样try块中yield的数据被as出来，finally块中的数据在with..as..块结束的时候被执行。
这里默认的输入输出是系统的输入输出流.这看起来是很奇怪的,既然要用g2m处理栅格地图,输入的文件也应该是个图像文件.
其实这种实现可以使得g2m不单单作为一个闭环的工具,而作为一个由linux管道构成的工具链的一部分.在管道中,数据流从A产出,经由系统输出\输入进入g2m,处理过后再经过系统输出进入管道输出给C.
在看处于最核心的模块helper之前,需要看一下,helper所调用的都是哪些模块.
storages.py/Mbtiles.py
存储的实现.
主要实现了三种存储:
- 单一文件夹内存储
- 文件夹分级存储
- Mbtiles存储
瓦片存储的功能由存储的基类定义:
class Storage(object):
def __init__(self, renderer, pool=None):
self.renderer = renderer
self.hasher = intmd5
def __enter__(self):
return self
def __exit__(self, type, value, traceback):
return
def get_hash(self, image):
# 获取哈希值,对于相同的瓦片,不进行重复存储.因为实际在小比例尺下,图片重复的概率会很大.
# 问题是,所有的哈希值都存于内存,当所切级数变大时,内存占用会很大,索引效率也会降低.
return self.hasher(image.write_to_memory())
def filepath(self, x, y, z, hashed):
# 文件路径,仅对文件型存储起作用
raise NotImplementedError()
def post_import(self, pyramid):
# 生成金字塔后执行,仅对Mbtiles这种需要元数据描述的存储起作用
pass
def save(self, x, y, z, image):
# 最重要的函数,保存瓦片,子类必须要实现
raise NotImplementedError()
def save_border(self, x, y, z):
# 默认的保存边框
self.save(x=x, y=y, z=z, image=self._border_image())
@classmethod
def _border_image(cls, width=TILE_SIDE, height=TILE_SIDE):
# 类方法,生成透明的外框
image = VImageAdapter.new_rgba(
width, height, ink=rgba(r=0, g=0, b=0, a=0)
)
image._buf = image
return image
因为g2m最终暴露的只有存储于Mbtiles中,那就来看一下Mbtiles的类是如何继承基类的:
class MbtilesStorage(Storage):
def __init__(self, renderer, filename, zoom_offset=0, seen=set(),
**kwargs):
super(MbtilesStorage, self).__init__(renderer=renderer,
**kwargs)
self.zoom_offset = zoom_offset
self.seen = seen
self._border_hashed = None
self.Mbtiles = None
# 不使用工厂模式,也会创建Mbtiles文件
if isinstance(filename, basestring):
self.filename = filename
self.Mbtiles = MBTiles(filename=filename)
else:
self.Mbtiles = filename
self.filename = self.Mbtiles.filename
def __del__(self):
if self.Mbtiles is not None:
self.Mbtiles.close()
def __exit__(self, type, value, traceback):
if self.Mbtiles is not None:
self.Mbtiles.close()
@classmethod
def create(cls, renderer, filename, metadata, zoom_offset=None,
version=None, **kwargs):
# 工厂模式创建Mbtiles文件
bounds = metadata.get('bounds', None)
if bounds is not None:
metadata['bounds'] = bounds.lower_left + bounds.upper_right
Mbtiles = MBTiles.create(filename=filename, metadata=metadata,
version=version)
return cls(renderer=renderer,
filename=Mbtiles,
zoom_offset=zoom_offset,
**kwargs)
def post_import(self, pyramid):
# 源影像建金字塔完成后,给Mbtiles赋元数据
transform = pyramid.dataset.GetCoordinateTransformation(
dst_ref=SpatialReference.FromEPSG(4326)
)
lower_left, upper_right = pyramid.dataset.GetTiledExtents(
transform=transform
)
self.Mbtiles.metadata['bounds'] = (lower_left.x, lower_left.y,
upper_right.x, upper_right.y)
def save(self, x, y, z, image):
hashed = self.get_hash(image)
# 如果有重复的瓦片,就直接写入哈希值,而不是存储瓦片
if hashed in self.seen:
self.Mbtiles.insert(x=x, y=y,
z=z + self.zoom_offset,
hashed=hashed)
else:
self.seen.add(hashed)
contents = self.renderer.render(image)
if sys.version_info < (3, 0):
data = buffer(contents)
else:
data = memoryview(contents)
# 插入渲染后的瓦片
self.Mbtiles.insert(x=x, y=y,
z=z + self.zoom_offset,
hashed=hashed,
data=data)
def save_border(self, x, y, z):
# 同瓦片一样,透明的边框也不重复渲染存储
if self._border_hashed is None:
image = self._border_image()
self.save(x=x, y=y, z=z, image=image)
self._border_hashed = self.get_hash(image)
else:
self.Mbtiles.insert(x=x, y=y,
z=z + self.zoom_offset,
hashed=self._border_hashed)
我们能看到,在存储瓦片到Mbtiles时,有两种方法:
- 存储x,y,z+图像+图像的哈希值
- 存储x,y,z+图像的哈希值
Mbtiles设计上的特性就是不存储重复的瓦片.因为它本质上是Sqlite数据库,里面存储有行列号索引表和瓦片图像索引表,
对于相同的瓦片,只要通过相同的瓦片索引,就能关联起来,可以节省大量的重复瓦片空间占用.
