如何基于图案从地图图像提取数据并生成SHP多边形做叠加分析

一、QGIS 可视化+手动/自动化流程 #

1. 图像地理配准 #

• 把地图JPG拖进QGIS图层面板，打开「地理参考」工具（菜单栏：Raster > Georeferencer）加载该图像。如果没有真实地理坐标，就用像素坐标当临时坐标系（比如选EPSG:3857），添加几个对角控制点完成配准，导出带地理信息的TIFF替换原图层。
• 对图案模板JPG重复上述操作，确保和地图的坐标系、像素对齐一致。

2. 提取图案多边形 #

• 先对图案模板做二值化处理：用「栅格计算器」（Raster > Raster Calculator）输入类似("pattern@1" > 200)的公式（根据背景色明暗调整阈值），把图案和背景彻底分离。
• 用「光栅转矢量」工具（Raster > Conversion > Polygonize (Raster to Vector)），选择处理后的二值化栅格，设置输出字段（比如pattern_id），导出为SHP文件，每个图案对应一个多边形要素。

3. 叠加筛选 #

• 导入你的叠加多边形SHP（没有的话用QGIS的「添加多边形要素」工具手动绘制）。
• 用「空间连接」工具（Vector > Data Management Tools > Join attributes by location）：目标图层选图案多边形，连接图层选叠加多边形，匹配规则选intersects，导出连接后的图层就是位于叠加范围内的图案集合。

二、纯Python 自动化方案 #

1. 先装依赖 #

pip install gdal opencv-python geopandas shapely

2. 核心代码示例 #

（1）提取图案轮廓并转多边形

import cv2
import numpy as np
from geopandas import GeoDataFrame
from shapely.geometry import Polygon

# 读取图案模板，转灰度图
img = cv2.imread('pattern_template.jpg', cv2.IMREAD_GRAYSCALE)
# 二值化，分离图案和背景（阈值根据实际调整）
_, binary_img = cv2.threshold(img, 200, 255, cv2.THRESH_BINARY_INV)
# 提取外轮廓
contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 转换为Shapely多边形，过滤小杂点
polygons = []
for cnt in contours:
    if cv2.contourArea(cnt) > 100:  # 过滤面积过小的轮廓
        coords = cnt.reshape(-1, 2)
        polygons.append(Polygon(coords))

（2）导出SHP文件

# 创建GeoDataFrame，指定坐标系（无真实坐标就用EPSG:3857）
gdf = GeoDataFrame({'geometry': polygons}, crs='EPSG:3857')
# 导出为SHP
gdf.to_file('pattern_polygons.shp')

（3）叠加筛选

# 加载叠加多边形
overlay_gdf = GeoDataFrame.from_file('overlay_polygon.shp')
# 筛选和叠加多边形相交的图案
filtered_patterns = gdf[gdf.intersects(overlay_gdf.unary_union)]
# 导出结果
filtered_patterns.to_file('filtered_patterns.shp')

三、关键注意点 #

• 图案提取的精度取决于二值化阈值，多试几个数值（比如180、220）找到最合适的；如果图案有复杂边缘，用cv2.CHAIN_APPROX_TC89_L1参数优化轮廓。
• 地理配准必须对齐：如果地图和图案模板的像素尺寸不一样，要先统一分辨率再配准，否则提取的多边形位置会偏移。
• QGIS适合需要手动修正的小批量场景，Python适合大规模自动化处理。

内容的提问来源于stack exchange，提问作者BananaMaster