Web端CAD图形找不同?一键在Web端找出CAD图不同并对比分析

  • Web端CAD图形找不同?一键在Web端找出CAD图不同并对比分析已关闭评论
  • 18 次浏览
  • A+
所属分类:Web前端
摘要

在实际中,当多专业设计协助时,遇到图纸更新后,要对比图纸找出图纸的不同处,一直是一个比较耗时费力的事情,也是业内的一大痛点。一般CAD新旧图纸的内容对比,包括增加新的图形元素、减少原有的图形元素以及对原有的图形进行修改。传统的方式一般是在PC端CAD环境中实现对图纸比较的功能,然后随着互联网移动端技术的不断发展,如何摆脱CAD环境,在Web端轻松实现图纸对比功能呢?


引言

在实际中,当多专业设计协助时,遇到图纸更新后,要对比图纸找出图纸的不同处,一直是一个比较耗时费力的事情,也是业内的一大痛点。一般CAD新旧图纸的内容对比,包括增加新的图形元素、减少原有的图形元素以及对原有的图形进行修改。传统的方式一般是在PC端CAD环境中实现对图纸比较的功能,然后随着互联网移动端技术的不断发展,如何摆脱CAD环境,在Web端轻松实现图纸对比功能呢?

实现思路

通常对比图纸不同有两种思路:

数据比较法

此方法是对图纸的原始数据进行比较分析。思路是通过遍历图纸中的所有实体元素,根据属性数据逐一比较差异性比较,找出不同处。

优点:算法准确。能定位出不同的实体对象。

缺点:图纸大时运算量大;同时,如果同一个实体删除了重新绘制会导致ObjectID发生变化,导致不好判断是否是同一个实体,算法实现难度大。

像素比较法

此方法是根据渲染后的图片进行比较。对图片的像素进行分析对比,找出不同的区域。

优点:速度快,算法实现相对容易。

缺点:只能定位出不同的区域,不能定位出具体是哪些实体。

在实际需求中,要求快速定位不同处,而无需定位到是哪些具体的实体对象。所以我们选用像素比较法来进行对比分析实现。

先上最终效果图如下:

同步对比分析效果:

Web端CAD图形找不同?一键在Web端找出CAD图不同并对比分析

地图卷帘效果效果:

Web端CAD图形找不同?一键在Web端找出CAD图不同并对比分析

算法分析

大家看到图片像素对比分析,肯定第一反应是这算法太简单了。一个个像素判断是否相等,然后就知道差异性了。如果这么想,那就是把问题想的太简单了。实际中,由于渲染时反锯齿的功能,会导致相同的绘制内容也会导致像素值细微的区别。而算法的核心就是把这些干扰因素给排除,找到真正差异的部分。

图片相似度计算方法总结

  • 余弦相似度

​ 把图片表示成一个向量,通过计算向量之间的余弦距离来表征两张图片的相似度

​ 具体算法可参考 https://zhuanlan.zhihu.com/p/93893211

  • 直方图

​ 按照某种距离度量的标准对两幅图像的直方图进行相似度的测量

​ 具体算法可参考 https://zhuanlan.zhihu.com/p/274429582

  • 哈希算法

​ 感知哈希可以用来判断两个图片的相似度,通常可以用来进行图像检索。感知哈希算法对每一张图片生成一个“指纹”,通过比较两张图片的指纹,来判断他们的相似度,是否属于同一张图片。常用的有三种:平均哈希(aHash),感知哈希(pHash),差异值哈希(dHash).

具体算法可参考 https://blog.csdn.net/qq_32799915/article/details/81000437?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1-81000437-blog-83271885.pc_relevant_aa&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1-81000437-blog-83271885.pc_relevant_aa&utm_relevant_index=2

实现

我们基于BS模式对图片进行对比分析找出不同处。在服务端实现解析CAD图纸,生成像素图片;利用pixelmatch算法找出不同处。在浏览器端加载CAD图并显示出不同的地方。

(1) Web端在线打开CAD图

如何在Web网页端展示CAD图形(唯杰地图云端图纸管理平台 https://vjmap.com/app/cloud),这个在前面的博文中已讲过,这里不再重复,有需要的朋友可下载工程源代码研究下。

Web端CAD图形找不同?一键在Web端找出CAD图不同并对比分析

(2) 把CAD图转成图片

因为唯杰地图采用的把CAD图转成GIS数据渲染的思路,所以可以通过提供的WMS服务,渲染成指定像素大小的图片。这里为了对比结果准确,可以把渲染的级别设置大点,得到的图片像素大小也变大,更加清晰,对比结果更准确。

接口如下:

/**  * wms服务url地址接口  */ export  interface IWmsTileUrl {     /** 地图ID(为空时采用当前打开的mapid), 为数组时表时同时请求多个. */     mapid?: string | string[];     /** 地图版本(为空时采用当前打开的地图版本). */     version?: string | string[];     /** 图层名称(为空时采用当前打开的地图图层名称). */     layers?: string | string[];     /** 范围,缺省{bbox-epsg-3857}. (如果要获取地图cad一个范围的wms数据无需任何坐标转换,将此范围填cad范围,srs,crs,mapbounds填为空).*/     bbox?: string;     /** 当前坐标系,缺省(EPSG:3857). */     srs?: string;     /** cad图的坐标系,为空的时候由元数据坐标系决定. */     crs?: string | string[];     /** 地理真实范围,如有值时,srs将不起作用 */     mapbounds?: string;     /** 宽. */     width?: number;     /** 高. */     height?: number;     /** 是否透明. */     transparent?: boolean;     /** 四参数(x偏移,y偏移,缩放,旋转弧度),可选,对坐标最后进行修正*/     fourParameter?: string | string[];     /** 是否是矢量瓦片. */     mvt?: boolean;     /** 是否考虑旋转,在不同坐标系中转换是需要考虑。默认自动考虑是否需要旋转. */     useImageRotate?: boolean; } 

(3) 像素对比分析算法

其反锯齿像素对比核心算法代码如下

uint8_t blend(uint8_t c, double a) {     return 255 + (c - 255) * a; }  double rgb2y(uint8_t r, uint8_t g, uint8_t b) { return r * 0.29889531 + g * 0.58662247 + b * 0.11448223; } double rgb2i(uint8_t r, uint8_t g, uint8_t b) { return r * 0.59597799 - g * 0.27417610 - b * 0.32180189; } double rgb2q(uint8_t r, uint8_t g, uint8_t b) { return r * 0.21147017 - g * 0.52261711 + b * 0.31114694; }  // 使用YIQ NTSC传输颜色空间测量感知色差”计算色差  double colorDelta(const uint8_t* img1, const uint8_t* img2, std::size_t k, std::size_t m, bool yOnly = false) {     double a1 = double(img1[k + 3]) / 255;     double a2 = double(img2[m + 3]) / 255;      uint8_t r1 = blend(img1[k + 0], a1);     uint8_t g1 = blend(img1[k + 1], a1);     uint8_t b1 = blend(img1[k + 2], a1);      uint8_t r2 = blend(img2[m + 0], a2);     uint8_t g2 = blend(img2[m + 1], a2);     uint8_t b2 = blend(img2[m + 2], a2);      double y = rgb2y(r1, g1, b1) - rgb2y(r2, g2, b2);      if (yOnly) return y; // 仅亮度差      double i = rgb2i(r1, g1, b1) - rgb2i(r2, g2, b2);     double q = rgb2q(r1, g1, b1) - rgb2q(r2, g2, b2);      return 0.5053 * y * y + 0.299 * i * i + 0.1957 * q * q; }  void drawPixel(uint8_t* output, std::size_t pos, uint8_t r, uint8_t g, uint8_t b) {     output[pos + 0] = r;     output[pos + 1] = g;     output[pos + 2] = b;     output[pos + 3] = 255; }  double grayPixel(const uint8_t* img, std::size_t i) {     double a = double(img[i + 3]) / 255;     uint8_t r = blend(img[i + 0], a);     uint8_t g = blend(img[i + 1], a);     uint8_t b = blend(img[i + 2], a);     return rgb2y(r, g, b); }  // 检查像素是否可能是抗锯齿的一部分 bool antialiased(const uint8_t* img, std::size_t x1, std::size_t y1, std::size_t width, std::size_t height, const uint8_t* img2 = nullptr) {     std::size_t x0 = x1 > 0 ? x1 - 1 : 0;     std::size_t y0 = y1 > 0 ? y1 - 1 : 0;     std::size_t x2 = std::min(x1 + 1, width - 1);     std::size_t y2 = std::min(y1 + 1, height - 1);     std::size_t pos = (y1 * width + x1) * 4;     uint64_t zeroes = 0;     uint64_t positives = 0;     uint64_t negatives = 0;     double min = 0;     double max = 0;     std::size_t minX = 0, minY = 0, maxX = 0, maxY = 0;      // 穿过8个相邻像素     for (std::size_t x = x0; x <= x2; x++) {         for (std::size_t y = y0; y <= y2; y++) {             if (x == x1 && y == y1) continue;              // 中心像素和相邻像素之间的亮度增量             double delta = colorDelta(img, img, pos, (y * width + x) * 4, true);              // 计算相等、较暗和较亮相邻像素的数量             if (delta == 0) zeroes++;             else if (delta < 0) negatives++;             else if (delta > 0) positives++;              // 如果找到两个以上相同的同级,则绝对不是抗锯齿             if (zeroes > 2) return false;              if (!img2) continue;              // 记得最暗的像素             if (delta < min) {                 min = delta;                 minX = x;                 minY = y;             }             // 记住最亮的像素             if (delta > max) {                 max = delta;                 maxX = x;                 maxY = y;             }         }     }      if (!img2) return true;      // 如果同级之间没有较暗和较亮的像素,则不是抗锯齿     if (negatives == 0 || positives == 0) return false;      // 如果最暗或最亮的像素在两幅图像中都有两个以上相同的同级 	//(绝对不是反走样),该像素是反走样的     return (!antialiased(img, minX, minY, width, height) && !antialiased(img2, minX, minY, width, height)) ||            (!antialiased(img, maxX, maxY, width, height) && !antialiased(img2, maxX, maxY, width, height)); }  } 

(4) 前端调用算法并展示

相关代码如下

 // 地图比较不同 let diff = await service.cmdMapDiff({     // 要比较图1的图名称     mapid1: mapId1,     // 要比较图1的图版本,如为空,表示是最新版本     version1: "",     // 要比较图1的图层样式名称,可为空。为空的用默认的     layer1: map1.getService().currentMapParam().layer,     // 要比较图2的图名称,图名称可以和mapid1不一样     mapid2: mapId2,     // 要比较图2的图版本,如为空,表示是最新版本     version2: "",     // 要比较图2的图层样式名称,可为空。为空的用默认的     layer2: map2.getService().currentMapParam().layer })  if (diff.error) {     message.error(diff.error);     return; }  const drawPolygons = (map, points, color) => {     if (points.length === 0) return;     points.forEach(p => p.push(p[0])) ;// 闭合     let polygons = points.map(p => {         return {             points: map.toLngLat(p),             properties: {                 color: color             }         }     })     vjmap.createAntPathAnimateLineLayer(map, polygons, {         fillColor1: color,         fillColor2: "#0ffb",         canvasWidth: 128,         canvasHeight: 32,         frameCount: 4,         lineWidth: 4,         lineOpacity: 0.8     }); } if (diff.modify.length === 0) {     message.info("完全相同,没有找到不同处");     return; } // 修改的部分 drawPolygons(map2, diff.modify, "#f00"); // 新增部分 drawPolygons(map2, diff.new, "#0f0"); // 删除部分 drawPolygons(map1, diff.del, "#00f"); 

以上前端的实现代码已开源至github。 地址:https://github.com/vjmap/vjmap-playground/blob/main/src/02service_%E5%9C%B0%E5%9B%BE%E6%9C%8D%E5%8A%A1/17zmapDiff.js

在线体验地址为:https://vjmap.com/demo/#/demo/map/service/17zmapDiff