[发明专利]一种基于精准矢量数图转换的投影的方法

权利要求书

1.一种基于精准矢量数图转换的投影的方法，其特征在于通过对目标图格点坐标化，建立与目标叠加地图系统的数字化坐标的有效关联，将图层以最高效且失真率最低的方式进行图层的投影和叠加，所述方法包括如下步骤：

S1、采集原图像中的易识别点经纬度，及原图坐标采集，得到两个相对应的二维数据阵列

S2、对已知对应关系，在矩阵中进行散点的插值，得到目标和源的坐标在值域上的对应关系，建立源和目标坐标矩阵；

S3、采用图片空间变换算法，对图像进行几何校正，得到针对伪经纬度坐标体系的图像，得到目标场景/ 坐标体系的图像

S4、通过反向利用插值，得到指定经纬度点在原图中的坐标。

2.根据权质要求1所述的一种基于精准矢量数图转换的投影的方法，其特征在于：所述S1包括如下步骤：

S101、把经纬线绘制上去你会发现它并非横平竖直的网络，在地图的 ABCDEFG 等标注点，采集要素为迪卡尔坐标和对应的 EPSG:3857 坐标；

S102、采集后的结果以二维数存储。

grid_src = [[x1,y1], [x2, y2], .., [ x_n, y_n]]

grid_dst = [[lon1, lat1], [lon2, lat2], .., [lon_n, lat_n]]。

3.根据权质要求1所述的一种基于精准矢量数图转换的投影的方法，其特征在于：所述S2包括如下步骤：

S201、获取图像的大小规格:

h, w = image.size

以图像大小 range[0, h, hj] * range[0, w, wj] 建立坐标矩阵。复数hj、wj 定义了生成 grid 数据的步长，返回结果为x, y 坐标在grid 上的分布矩阵。

grid_y, grid_x = grid[ 0:h:hj, 0:w:wj ]

S202、对已知对应关系，在矩阵中进行散点的插值，得到目标和源的坐标在值域上的对应关系。

grid_z = griddata(grid_dst, grid_src, (grid_y, grid_x),method='cubic')

cubic 是常用的一种插值方式，不同插值方式，效果会有一些差异，如何选对取决于不

同的应用场景。常用的插值方式还有 linear、cubic、nearest 等。

S203、得到两个坐标维度的对应关系，它们分别为二个维度在矩阵中的对应关系，第一个维度都是一个二维矩阵。

map_x = [ar[:, 1] for ar in grid_z].reshape(h, w)

map_y = [ar[:, 0] for ar in grid_z].reshape(h, w)。

4.根据权质要求1所述的一种基于精准矢量数图转换的投影的方法，其特征在于：所述S3包括如下步骤：

局部区域内对图像进行拉伸、挤压，这种操作在不同的位置是不同的，得到的结果可以进行几何化。它的计算方式可以看成把一个图像中特定位置的像素放置到另一个图片指定位置的过程，为了完成映射过程，有必要获得一些插值为非整数像素坐标，因为源图像与目标图像的像素坐标不是一一对应的。

S301、建立图像数值化矩阵

在进行数据处理前，需要将图像数据转行成数值结构，这里采用 RGBA 模式，转换

后的数据包含四个色彩通道，值的数据类型为 uint8，范围[0，255]，shape 为(h, w,4)的三维数值矩阵。

image = image.convert('RGBA')

imgGrid = to_matrix(image)

h, w, c = imgGrid.shape

S302、我们通过转换图像的形状来表达每个像素的位置ƒ(x,y)=g(h(x,y)) 这里ƒ()是目标图像,g() 是源图像, h(x,y)是作用于 (x,y) 的映射方法函数

假入我们有一个图像 IM , 我们想满足下面的条件作图像转换:

h(x,y) = (IM.cols - x,y)

dst(x,y) = src(g_x(x,y),g_y(x,y))

其中src: 源图像 dst: 目标图像，与 src 相同大小 map_x: x 方向的映射参

数. 它相当于方法 h(i,j) 的第一个参数 map_y: y 方向的映射参数. 注意 map_y和

map_x 与 src 的大小一致。

转换方法

dst = remap(imgGrid, map_x, map)。