如何用Python的LightSource让两张邻接地图保持一致着色（保留垂直夸张）

问题核心：两张相邻的地图影像，使用相同参数的LightSource.shade()处理时，vert_exag=0.05会导致边缘着色不一致；vert_exag=0时衔接正常但丢失地形细节，需要在保留垂直夸张的同时实现无缝着色。

问题原因 #

LightSource.shade()计算地形阴影时，依赖局部像素邻域的梯度模拟光照效果。单张影像的边缘区域（比如第一张图的右边缘、第二张图的左边缘）没有完整的邻域数据（缺少相邻影像的像素），导致梯度计算偏差，最终阴影和着色出现接缝。当vert_exag=0时，梯度计算被忽略，仅做颜色映射，因此衔接正常，但地形细节丢失。

解决方案：合并影像后统一计算阴影 #

最可靠的方法是先将两张相邻影像拼接成完整的整体，统一计算阴影和着色，再拆分回原影像。这样边缘区域的梯度计算会用到完整的邻域数据，确保阴影效果一致。

修改后的代码 #

import numpy as np
import rasterio
from matplotlib import cm
from matplotlib.colors import ListedColormap, LinearSegmentedColormap, LightSource
import matplotlib.pyplot as plt

# 读取影像数据
with rasterio.open("image_1.tiff", 'r') as ds:
    z1 = ds.read()[0,:,:]  # 直接提取第一个波段

with rasterio.open("image_2.tiff", 'r') as ds:
    z2 = ds.read()[0,:,:]

# 配置参数
vmin = -12000
vmax = 9000
vert_exag = 0.05
blend_mode = 'soft'

# 创建自定义色带
cmap_ocean = cm.ocean.copy()
ocean = cmap_ocean(np.linspace(0.30, 0.85, 144))

colors = [
    (0.00, 'palegoldenrod'),
    (0.05, 'burlywood'),
    (0.30, 'sienna'),
    (0.50, 'tan'),
    (0.70, 'snow'),
    (1.00, 'white'),
]
cmap_land = LinearSegmentedColormap.from_list('cm', colors)
land = cmap_land(np.linspace(0, 1, 108))
cmap = ListedColormap(np.concatenate((ocean, land)))

# 合并两张影像（假设横向相邻，axis=1；纵向相邻请改为axis=0）
z_combined = np.concatenate((z2, z1), axis=1)

# 统一计算阴影和着色
light = LightSource(azdeg=45, altdeg=45)
rgb_combined = light.shade(
    z_combined, cmap=cmap,
    blend_mode=blend_mode, vert_exag=vert_exag, vmin=vmin, vmax=vmax
)

# 处理透明区域
rgb_combined[:,:,-1][np.isnan(z_combined)] = 0
rgb_combined = np.uint8(rgb_combined * 255)

# 拆分回原影像
rgb2 = rgb_combined[:, :z2.shape[1], :]
rgb1 = rgb_combined[:, z2.shape[1]:, :]

# 拼接显示验证
rgb3 = np.concatenate((rgb2, rgb1), axis=1)
plt.figure()
plt.imshow(rgb3)
plt.axis('off')
plt.show()

关键修改说明 #

1. 先合并后处理：将z1和z2拼接成z_combined，确保边缘区域有完整的邻域像素用于梯度计算。
2. 统一着色后拆分：对合并后的影像一次性计算阴影，再拆分回原尺寸，保证两张影像的边缘着色完全一致。
3. 简化数据读取：直接在读取时提取第一个波段，减少冗余变量。

可选替代方案（适用于无法合并影像的场景） #

如果因内存或坐标对齐问题无法合并影像，可以手动扩展每张影像的边缘：

• 从z1中取左边缘的N列像素，追加到z2的右边缘；
• 从z2中取右边缘的N列像素，追加到z1的左边缘；
• 分别处理扩展后的影像，再裁剪回原尺寸。

这种方法需要精确匹配边缘像素，实现复杂度高于合并方案，优先推荐第一种方法。

内容的提问来源于stack exchange，提问作者Marcus K.