目前有一张tif格式的栅格影像，需要在web地图上进行展示，使用动态切片WMS的方式，渲染速度比较慢，而且大的时候会出现模糊的问题。并且后面需要做多期影像的切换，渲染与加载效率也值得关注。

计划是使用栅格转矢量的方式，将栅格数据转为矢量shp文件，然后进行矢量切片，使用Mapbox进行前端动态渲染。在网上查询了很多资料，有人说使用 d3-contour 在node.js中生成或者使用 rasterio 在python中进行转换，整体过程都比较麻烦，很不易实现。最终选定了使用GDAL进行栅格转矢量的方法，代码比较简单。
原始tif影像（12.8MB）如下：

GDAL中栅格转矢量的函数主要是以下两个，二者的参数没有任何区别，只是功能有区别：

• FPolygonize (*args, **kwargs)

  FPolygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int

  将每个像元转成一个矩形。

• Polygonize (*args, **kwargs) **

  Polygonize(Band srcBand, Band maskBand, Layer outLayer, int iPixValField, char ** options=None, GDALProgressFunc callback=0, void * callback_data=None) -> int

  将每个像元转成一个矩形，然后将相似的像元进行合并。

  from osgeo import gdal, ogr, osr
  import os
  import datetime
  import numpy as np
  path = "Z_NAFP20210727.tif"
  if __name__ == '__main__':
      start_time = datetime.datetime.now()
      inraster = gdal.Open(path)  # 读取路径中的栅格数据
      inband = inraster.GetRasterBand(1)  # 这个波段就是最后想要转为矢量的波段，如果是单波段数据的话那就都是1
      prj = osr.SpatialReference()
      prj.ImportFromWkt(inraster.GetProjection())  # 读取栅格数据的投影信息，用来为后面生成的矢量做准备
      outshp = path[:-4] + ".shp"  # 给后面生成的矢量准备一个输出文件名，这里就是把原栅格的文件名后缀名改成shp了
      drv = ogr.GetDriverByName("ESRI Shapefile")
      if os.path.exists(outshp):  # 若文件已经存在，则删除它继续重新做一遍
          drv.DeleteDataSource(outshp)
      Polygon = drv.CreateDataSource(outshp)  # 创建一个目标文件
      Poly_layer = Polygon.CreateLayer(path[:-4], srs=prj, geom_type=ogr.wkbMultiPolygon)  # 对shp文件创建一个图层，定义为多个面类
      newField = ogr.FieldDefn('value', ogr.OFTReal)  # 给目标shp文件添加一个字段，用来存储原始栅格的pixel value,浮点型，
      Poly_layer.CreateField(newField)
      gdal.Polygonize(inband, None, Poly_layer, 0)  # 核心函数，执行的就是栅格转矢量操作
      # gdal.FPolygonize(inband, None, Poly_layer, 0)  # 只转矩形，不合并
      Polygon.SyncToDisk()
      Polygon = None
      end_time = datetime.datetime.now()
      print("Succeeded at", end_time)
      print("Elapsed Time:", end_time - start_time)  # 输出程序运行所需时间
   
  使用FPolygonize
   转换之后的矢量数据有270MB，非常大，打开非常卡
   
   
   
  使用Polygonize
   合并之后的矢量数据有48MB，相对第一种方法数据量大大减少
   
   
                                      最近不少小伙伴问我怎么搞前端插值分析，我在github上查找了一些资料，目前最常用的方式是webgis框架+idw（反距离权重算法）+d3-contour的方式实现，这种方式是比较简单同时基本能满足一般的气象分析，比如局部的平均降水发布图等，下来我将详细的讲述具体的实现方式
                                      GDAL是一个开源的地理工具包，其支持基本所有的地理操作，其有python、java、c等语言包，是地理信息C端开发不可越过的工具，鉴于python语言的简单性，这里使用python中GDAL包来进行shp文件的生成，这里本质是利用ogc地理标准的坐标字符串来生成shp。
  第一步：安装GDAL环境，建议下载后，本地安装，注意与python版本号要对应，可参考网上教程。
  第二部：代码分析
  引入GDA...
                                      直接到下列链接下载即可，按照说明，将lib目录添加的系统环境变量中即可windows下GDAL322的库-深度学习文档类资源-CSDN下载包含目录中设置include目录 库目录中设置lib的路径 附加依赖项中设置gdal_i.lib  GDAL读取数钱需要注册一下驱动（用于编码解码图像的驱动），同时可以设置一下支持中文路径。加载数据时需要注意，GA_Update和GA_ReadOnly两种模式。
  2.1 获取图像的尺寸
  这里所有的波段的size都是一样的
  2.2 获取图像的通道数