参数介绍：可参考详细gdaladdo用法说明（建金字塔），这里只做一些关键部分
| 参数名 | 示意 |
|---|
| -r | （默认值为最近邻元法nearest），还可以设置成平均值法average，高斯gauss，三次内插法cubic等。 |
| -ro | 以只读模式打开数据集，以生成外部概览（尤其是GeoTIFF数据集）。 |
| -clean | 删除所有概览层。 |
| filename | 输入文件名。 |
| levels | 要建立略缩图的层号的列表。选择一个缩放水平如 n，则表示略缩图缩放程度是源图像每个维上分辨率的1/n。可以设置多个缩略图，如2 4 8 12 或 3 6 9 12 17 |
| 如果文件在所选缩放水平上已经存在略缩图，那么那个缩放程度将被重新计算并覆盖写入。 | |
举个例子：
按照上面操作打开cmd命令行后，输入 gdaladdo.exe -r average simple.tif 2 4 8 16 32 （代表以平均值法average，生成zoom级：2 4 8 16 32的内部概览层）
这里说明一下，无论你 input.tif 内部有没有瓦片组织，或者瓦片组织的宽度或高度是多少，都不影响后续使用 gdal_translate.exe 生成COG。因为 gdal_translate.exe 只借用了 Levels 的数值，会根据 新的TileSize 重新生成金字塔
gdal_translate.exe用来生成COG，使用方法为命令行输入：gdal_translate.exe input.tif output.tif
其中涉及到参数如下所示：
| 参数名 | 示意 |
|---|
| -co TILED=YES | 生成瓦片 |
| -co COMPRESS=DEFLATE/LZW/JPEG/PACKBITS | 使用DEFLATE/LZW/JPEG/PACKBITS方法压缩(请注意，虽然 DEFLATE 比 LZW 更有效，但可能会导致与某些软件包的兼容性问题) |
| -co COPY_SRC_OVERVIEWS=YES | 从原数据中拷贝概览(需要先进行gdaladdo.exe) |
| -co BLOCKXSIZE=512/256 -co BLOCKYSIZE=512/256 --config GDAL_TIFF_BLOCKSIZE 512/256 | 生成512x512或者256x256的瓦片 |
使用时可将上述参数搭配组合使用。如下例子所示：
gdal_translate.exe simple.tif simple_COG_256.tif -co TILED=YES -co BLOCKXSIZE=256 -co BLOCKYSIZE=256 --config GDAL_TIFF_BLOCKSIZE 256 -co COMPRESS=DEFLATE -co COPY_SRC_OVERVIEWS=YES
gdal_translate.exe的功能十分强大，还可以生成其他格式的文件，参考链接
gdal2tiles是gdal提供一个python库。该库可以将输入tif切片换成成标准TMS瓦片（参考博客：TMS瓦片的定义）。
由于是python库，我们在python中使用。
参考博客：
1、python调用gdal2tiles实现栅格影像TMS切片
2、python gdal2tiles 包
使用方法如下：
import time
from osgeo import gdal
import gdal2tiles
if __name__ == '__main__':
start = time.process_time()
options = {'tilesize': 256, 'zoom': (9, 12)}
gdal2tiles.generate_tiles('D:/code/testdata/TMS/simple.tif', 'D:/code/testdata/TMS/TMS_Overview/', **options)
end = time.process_time()
print('Running time: %s Seconds' % (end - start))
options是其参数设置项，详见1、python调用gdal2tiles实现栅格影像TMS切片
最终结果如下：
点击其中生成的利用leaflet的预览文件 leaflet.html ，记得勾选切片结果（Layer），运行效果如下图所示：
接续前面文章《》，本文介绍另外一种切片工具gdal2tiels。通常遥感影像数据非常大，要在webgis应用中使用遥感影像数据需要对其进行切片，提升用户体验，降低客户端性能要求。gdal2tiels.py切片工具可以实现对栅格数据的切片。
这样速度更快:因为最高级的瓦片只能利用gdal从原始tif中获取,其速度受tif尺寸影响很大,且从tif上取得级别越低,单次所取范围越大,速度也越慢.举个实际的例子,从原始tif上获取某位置17级的瓦片的时间将远远大于从原始tif获取4张对应位置的18级瓦片,并将其合成的时间.高分辨率的tif影像数据量高达上百GB，如果直接对其进行切片操作会比较费时，可以先将其分割成多个tif，每个tif分别执行切片操作，最后将瓦片合并到一个文件夹供前端调用。图中的白色实际为透明色，原因是该等级下数据范围只占那么大。
1、感谢以下博客博主以及相关答主的分享：
（1）https://www.cnblogs.com/defineconst/p/5927473.html
（2）https://jingyan.baidu.com/article/647f0115b7b08d7f2148a8db.html
（3）https://blog.csdn.net/a748448660/article/details/811930...
切出来的瓦片y编号不对,折磨了1个星期,终于找到了解决办法,因为gdal2tiles默认采用的是tms标准,而google和mapbox采用的是另一套标准,y需要进行转化.
gdal2tiles.py是一个gdal的扩展插件，运用gdal的数据接入口，将栅格图片切成小瓦片和元数据，遵循OSGeo TMS标准。让你自己的数据在openlayers和googlemap，方便你展示空间数据。
瓦片编号为...
作为WebGIS开发者，绝大部分人都接触过GeoServer，自己都调用过用GeoServer发布的WMS、WTMS、TMS服务。但是GeoServer毕竟是基于java开发的，性能还是有点慢的，切片时服务能进入假死状态。很多时候，我都在想能不能自己开发一个切片服务，提升一下效率。
最近，使用Python+Flask+GDAL开发了一个切片服务，通过MapBox调用时，完美展示出来。虽然是动态切片，但是效率一点也不慢。
目录前言数据准备开发环境GDAL切片实现切片服务逻辑服务测试注意
I’m here showing how you can use GDAL2Tiles to generate map tiles of Tom Patterson’sNatural Earth II. This is a beautiful raster map that portrays the world environment in an idealised manner with li...
一直以来，作为一个GIS开发者，都想自己去实现栅格切片和矢量切片。前面的博文中，已经介绍了如何实现矢量切片，刚刚进入GIS行业的人一般都是用GeoServer进行栅格切片，速度效率很低。这里介绍一下如何使用代码高效地进行栅格切片，主要是依赖gdal2tiles这个python库。
我的电脑环境是
python3.9.5
GDAL3.3.0
执行下面的安装命令 安装gdal2tiles
pip install gdal2tiles
切片代码
GIS数据处理-栅格切片工具
常见的切片工具
MapTiler：把 GDAL2Tiles 工具做了个图形化界面，使用更方便。暂时只支持栅格图片，如TIFF/GeoTIFF, MrSID, ECW, JPEG2000, JPEG, PNG等。支持在Google Maps, Openlayers等上使用。
Google Maps Image Cutter：顾名思义，基本上来说专门为Google Maps 提供Overlay的，切图完毕后，有个直接用Google Maps的界面展示。
MapCruncher：主要
