博客
关于我
geoserver发布的wms标签图层显示不全问题
阅读量:734 次
发布时间:2019-03-22

本文共 1114 字,大约阅读时间需要 3 分钟。

遇到一个问题,客户反馈在查看地图数据时,本来显示的点位名称,在地图放大后有些不显示了,怀疑是不是数据有问题。排查后发现数据没问题,但确实出现了问题。

通常GIS服务器为了解决标签重叠显示问题,默认使用标签自动避让功能。但问题是,放大地图后标签反而显示得更少了。

在地图是用geoserver发布的,熟悉geoserver的同学知道,geoserver图层的显示主要是用图层样式来控制的,包括标签自动避让等。

从这个思路入手,经过一番查找,发现配置geoserver styles时,把partials参数设置为true能够解决这个问题。

partials参数的作用是当标签在瓦片边缘显示不全时,是否绘制。默认为false不绘制,这样就会出现文章开头描述的问题,本来显示的标签,结果地图放大后却不显示了。

把partials参数设置为true后,标签可以显示,但又出现了新的问题,就是在瓦片边缘的标签显示不全。

再经过一番查找,注意到发布标签图层时,有个Default Rendering Buffer的参数,这个参数默认为空,试着将它设置为100后,再重新刷新图层,发现标签显示不全的问题竟然解决了。

Default Rendering Buffer的作用是默认情况下WMS的一个瓦片只处理自己范围内的数据,当设置缓冲后,瓦片就会向外多处理一部分,相邻的瓦片会有重叠,这样就能相互照应,避免缺失标签。

综上,geoserver发布的WMS标签图层显示不全问题已完美解决。

这个项目是老项目维护,使用的栅格瓦片,新项目中已经开始使用矢量瓦片技术,矢量瓦片因为是在前台渲染,在标签显示上更灵活,效果更好,也推荐大家使用。具体使用可以参考如下思路:

  • 使用geoserver发布矢量瓦片,这个百度一下会有很多教程。

  • 使用maputnik配图获取配图样式。注意,在使maputnik对geoserver配图是会遇到问题,具体解决方式参考。

  • 使用mapboxgl调用geoserver发布矢量瓦片图层,图层样式采用maputnik导出的配图样式。

  • 总结:

  • geoserver发布的WMS标签图层使用默认样式,在瓦片边缘的标签会不显示

  • 把样式中的partials参数设置为true,可显示瓦片边缘的标签,但是会显示不全

  • 在图层发布中,将Default Rendering Buffer参数设置为100,显示不全的标签会显示完整

  • 原文地址:

    关注《》,第一时间获得更多高质量GIS文章。

    本文章采用进行许可。欢迎转载、使用、重新发布,但务必保留文章署名《GIS兵器库》(包含链接:),不得用于商业目的,基于本文修改后的作品务必以相同的许可发布。

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>