前言
最近碰到了一个需求，需要通过 cesium 直接加载 geotiff 影像图。
咋一听，这个需求好像蛮奇怪，cesium 本身本来就支持加载 tile 影像图，也就是所谓的切片地图。原理其实就是，通过 geoserver 等工具，按照一定的规则和坐标系规则，切好对应的切片。
而 cesium 里面，加载瓦片地图也很简单，想要显示哪个区域的地图，就根据对应的规则，去 geoserver 里请求对应的切片。这些逻辑在 cesium 里面，也已经封装好了，直接调用就好了。
但是如果不想发布到 geoserver，想直接通过 cesium，加载 geotiff 影像文件，来预览影像图呢？
说实话，刚开始碰到这个需求，内心也是没底的，毕竟翻遍了 cesium 的 api，也没有发现，其能支持这种加载方式。
而且，geotiff 影像图的格式，对于我来说，也是一片未知的领域。要不是去年开始接触 cesium 和 geoserver，我根本不知道它的存在。
当然，碰到问题，还是得发挥一个程序员的 geek 精神，先搜索下，看有没有人碰到同样的烦恼。
虽然这种方式不常见，但是，还是有同道中人的，但是结果多不理想，甚至有人直接回复，说不支持这种加载方式。
就在我一度想要放弃的时候，忽然有了灵感。
几个小问题
既然 geotiff 本质上是一张图片，文件不太大的图，甚至直接用一些常见的看图软件就能打开，那么想要贴在 cesium 的 globe 上，又有何难呢？
现在摆在面前的有几个问题：
- 如果 cesium 支持贴 tif 后缀的图，那么皆大欢喜，只要想方设法解析到 geotiff 的坐标范围信息，然后调用 cesium 提供的加载单张图作为图层的 api，再传入范围信息，即可正常的加载该 geotiff 图。
- 如果很不幸，cesium 不支持贴 tif 后缀的图，那么我们就得先解析 geotiff 文件，想办法获取到相关的地理信息和像素信息，拿到像素信息和地理信息以后，像第一种情形一样处理，无非就是多了一步将像素信息处理成 cesium 可以支持的图像信息而已。
- 我们该如何解析出 geotiff 内部的信息呢？
接下来，就让我们对提出的问题，一个个尝试解决方案，如果能够迎刃而解，那么用 cesium 加载影像图，不是如同探囊取物么！
尝试寻找解决方案
我们先来找找，看能否找到前端解析 geotiff 的解决方案。
我们知道，如果用桌面软件，查看 geotiff 图像，很多常见的软件都能支持，大到像 arcgis，小到像 windows 看图，都能查看。
但是前端，是否有现成的工具，可以用来解析 geotiff 图像呢？
带着这样的疑问，开始了我们的探寻之旅。
经过一番尝试以后，发现前端有个开源的库—— geotiff.js ，可以用来解析 .tif 格式的文件。
具体 geotiff.js 的 api，在这里就不做过多的介绍了，有兴趣了解的，可以去看下官方提供的 readme 文件，上面有用法的详细说明。
原始影像图
假设现在有个 geotiff 文件，用 IrfanView 文件打开，是这个样子的：
解析 geotiff 文件
geotiff.js 提供了几种写入读取 二进制文件的方式，为了方便使用，我们就尝试采用 fromBlob 的方式。
我们先调用 geotiff.js 提供的 api，将文件读取成 js 对象，再通过对象提供的 getImage api，获取到图像的相关信息。
const tiff = await fromBlob(blob);
let image = await tiff.getImage();
let [west, south, east, north] = image.getBoundingBox();
const code =
image.geoKeys.ProjectedCSTypeGeoKey ||
image.geoKeys.GeographicTypeGeoKey;
为了准确的把图贴到 cesium 的球面上去，我们必须要先获取到图像的范围，并且要获取到图像采用的是哪种坐标系。
我们测试的这张图，打印出上述信息，发现采用的是 4527 坐标系，范围如图示：
转换坐标的方法
现在问题是，cesium 目前已知的，只支持月球、标准的球体和 WGS84 体系的坐标体系，不支持我们的 CGCS2000 坐标系。
怎么办呢？我们必须能找到一个换算的方式，将我们的坐标换算成 WGS84 坐标体系里的点。
可是，由于本身对 gis 专业相关的基础知识的匮乏，对于坐标体系转换，毫无经验，根本不知道怎么转换该如何是好？
虽然，怎么转化，论文里都有，但是等学会那些，再来解决这个问题，都不知道要等到猴年马月去呀。
不过不要着急，我发现了一个网站支持这种服务，提供了这种转换的接口。
不用自己写转换坐标的算法，岂不是很舒服！
首页长这样：
点击进入这个 transform coordinates 页面：
我们试着输入一个坐标：
返现返回了我们想要的结果，点进去看下位置：
现在问题是，虽然我们能在页面上获取转换结果，但是总不能每次都打开页面，输入地址，来获取转换后的坐标吧？
无妨，我们打开控制台看一下，转换的过程到底经历了写什么。
我们点一下 transform，发现页面发了一个 ajax 请求，里面包含了一些相关的信息
而返回的结果，正是在 4326 体系下，的经纬度坐标信息：
既然有了转换方式，可以转换坐标，那么接下来要做的就很简单了。
通过接口，获取该影像图所表示的地理区域的范围：
let { x: w, y: n } = await (
await fetch(
`//epsg.io/trans?x=${west}&y=${north}&s_srs=${code}&t_srs=4326`
)
).json();
let { x: e, y: s } = await (
await fetch(
`//epsg.io/trans?x=${east}&y=${south}&s_srs=${code}&t_srs=4326`
)
).json();
将 geotiff 像素信息写入 canvas
按理说，走到了这一步后，如果 cesium 支持直接加载 geotiff 图为静态的 图层，是最理想的状态，可惜的是，它并不支持。
既然它不支持，我们就要想办法另辟蹊径了。
// 读取像素信息
const [red = [], green = [], blue = []] = await image.readRasters();
// 将像素信息写入canvas
const canvas = document.createElement("canvas");
let width = image.getWidth();
let height = image.getHeight();
canvas.width = width;
canvas.height = height;
let ctx = canvas.getContext("2d");
let imageData = ctx.createImageData(width, height);
console.time("写入像素");
for (var i = 0; i < imageData.data.length / 4; i += 1) {
imageData.data[i * 4 + 0] = red[i];
imageData.data[i * 4 + 1] = green[i] || 0;
imageData.data[i * 4 + 2] = blue[i] || 0;
imageData.data[i * 4 + 3] = red[i] === 0 ? 0 : 255;
}
ctx.putImageData(imageData, 0, 0);
console.timeEnd("写入像素");
我们可以通过 image 对象提供的 readRasters 接口，将像素信息读取出来，然后写入 canvas，形成一张前端可以操控的图。
在 cesium 中加载
遗憾的是，cesium 的 SingleTileImageryProvider 接口，并不支持对 canvas 的直接载入，需要转换成图片才能进行操作。
我们可以调用 canvas 自带的 toDataURL 将 canvas 转换成图片，然后传进去即可。
let rectangle = Cesium.Rectangle.fromDegrees(w, s, e, n);
let du = canvas.toDataURL();
viewer.imageryLayers.addImageryProvider(
new Cesium.SingleTileImageryProvider({
url: du,
rectangle,
})
);
viewer.camera.setView({
destination: rectangle,
});
这样，我们就成功的将该 geotiff 影像图，直接加载到 cesium 里面去了。
调整颜色
到了这一步，我们要做的差不多就结束了。
但是细心的同学可能会发现，加载到 cesium 里的影像图的颜色跟我们前面用软件打开的时候不太一样。
这是为什么呢？
要理解这个问题，可能需要童鞋们去了解下颜色的构成方式。
这里我们采用的是 rgb 的表示方法。
当我们运行代码的时候，进入调试模式，你会发现，
默认这个影像里面，只存储了 R 的信息，G、B 的信息并没有。
那么怎么处理呢？
其实很简单，只需要改一行代码即可：
const [red = [], green = red, blue = red] = await image.readRasters();
将 green 和 blue 均赋值一个初始值，等于 red 即可。
然后，我们再次尝试运行一下代码，就会得到下图所示的场景了：
此刻，细心的童鞋就会发现，这与我们之前打开的图一般无二了。
后记
当然，有一些情况，我们这里并没有考虑到，有兴趣的同学可以自己研究下：
- 一般情况下，geotiff 影像图都非常的大，我们的示例并未考虑到影像图的大小对系统的影响。
- 我们这里只考虑了单文件的情况，有时候，geotiff 的表示形式，存在多文件的情况。
- 可以尝试对配色进行修改，从而调出不同的风格的影像图，这是个很酷的功能。
