引言在實際中，當多專業設計協助時，遇到圖紙更新後，要對比圖紙找出圖紙的不同處，一直是一個比較耗時費力的事情，也是業內的一大痛點。一般CAD新舊圖紙的內容對比，包括增加新的圖形元素、減少原有的圖形元素以及對原有的圖形進行修改。傳統的方式一般是在PC端CAD環境中實現對圖紙比較的功能，然後隨著互聯網移 ...

引言

在實際中，當多專業設計協助時，遇到圖紙更新後，要對比圖紙找出圖紙的不同處，一直是一個比較耗時費力的事情，也是業內的一大痛點。一般CAD新舊圖紙的內容對比，包括增加新的圖形元素、減少原有的圖形元素以及對原有的圖形進行修改。傳統的方式一般是在PC端CAD環境中實現對圖紙比較的功能，然後隨著互聯網移動端技術的不斷發展，如何擺脫CAD環境，在Web端輕鬆實現圖紙對比功能呢？

實現思路

通常對比圖紙不同有兩種思路：

數據比較法

此方法是對圖紙的原始數據進行比較分析。思路是通過遍歷圖紙中的所有實體元素，根據屬性數據逐一比較差異性比較，找出不同處。

優點：演算法準確。能定位出不同的實體對象。

缺點：圖紙大時運算量大；同時，如果同一個實體刪除了重新繪製會導致ObjectID發生變化，導致不好判斷是否是同一個實體，演算法實現難度大。

像素比較法

此方法是根據渲染後的圖片進行比較。對圖片的像素進行分析對比，找出不同的區域。

優點：速度快，演算法實現相對容易。

缺點：只能定位出不同的區域，不能定位出具體是哪些實體。

在實際需求中，要求快速定位不同處，而無需定位到是哪些具體的實體對象。所以我們選用像素比較法來進行對比分析實現。

先上最終效果圖如下：

同步對比分析效果：

地圖捲簾效果效果:

演算法分析

大家看到圖片像素對比分析，肯定第一反應是這演算法太簡單了。一個個像素判斷是否相等，然後就知道差異性了。如果這麼想，那就是把問題想的太簡單了。實際中，由於渲染時反鋸齒的功能，會導致相同的繪製內容也會導致像素值細微的區別。而演算法的核心就是把這些干擾因素給排除，找到真正差異的部分。

圖片相似度計算方法總結

餘弦相似度

把圖片表示成一個向量，通過計算向量之間的餘弦距離來表徵兩張圖片的相似度

具體演算法可參考 https://zhuanlan.zhihu.com/p/93893211

直方圖

按照某種距離度量的標準對兩幅圖像的直方圖進行相似度的測量

具體演算法可參考 https://zhuanlan.zhihu.com/p/274429582

哈希演算法

感知哈希可以用來判斷兩個圖片的相似度，通常可以用來進行圖像檢索。感知哈希演算法對每一張圖片生成一個“指紋”，通過比較兩張圖片的指紋，來判斷他們的相似度，是否屬於同一張圖片。常用的有三種：平均哈希（aHash），感知哈希（pHash），差異值哈希（dHash）.

具體演算法可參考 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

像素匹配pixelmatch

利用像素之間的匹配來計算相似度。

https://github.com/whtsky/pixelmatch-py

實現

我們基於BS模式對圖片進行對比分析找出不同處。在服務端實現解析CAD圖紙，生成像素圖片；利用pixelmatch演算法找出不同處。在瀏覽器端載入CAD圖並顯示出不同的地方。

（1） Web端線上打開CAD圖

如何在Web網頁端展示CAD圖形(唯傑地圖雲端圖紙管理平臺 https://vjmap.com/app/cloud),這個在前面的博文中已講過，這裡不再重覆，有需要的朋友可下載工程源代碼研究下。

(2) 把CAD圖轉成圖片

因為唯傑地圖採用的把CAD圖轉成GIS數據渲染的思路，所以可以通過提供的WMS服務，渲染成指定像素大小的圖片。這裡為了對比結果準確，可以把渲染的級別設置大點，得到的圖片像素大小也變大，更加清晰，對比結果更準確。

介面如下:

/**
 * wms服務url地址介面
 */
export  interface IWmsTileUrl {
    /** 地圖ID(為空時採用當前打開的mapid)， 為數組時表時同時請求多個. */
    mapid?: string | string[];
    /** 地圖版本(為空時採用當前打開的地圖版本). */
    version?: string | string[];
    /** 圖層名稱（為空時採用當前打開的地圖圖層名稱). */
    layers?: string | string[];
    /** 範圍，預設{bbox-epsg-3857}. (如果要獲取地圖cad一個範圍的wms數據無需任何坐標轉換，將此範圍填cad範圍,srs,crs,mapbounds填為空).*/
    bbox?: string;
    /** 當前坐標系,預設(EPSG:3857). */
    srs?: string;
    /** cad圖的坐標系，為空的時候由元數據坐標系決定. */
    crs?: string | string[];
    /** 地理真實範圍，如有值時,srs將不起作用 */
    mapbounds?: string;
    /** 寬. */
    width?: number;
    /** 高. */
    height?: number;
    /** 是否透明. */
    transparent?: boolean;
    /** 四參數(x偏移,y偏移,縮放，旋轉弧度)，可選，對坐標最後進行修正*/
    fourParameter?: string | string[];
    /** 是否是矢量瓦片. */
    mvt?: boolean;
    /** 是否考慮旋轉，在不同坐標系中轉換是需要考慮。預設自動考慮是否需要旋轉. */
    useImageRotate?: boolean;
}

(3) 像素對比分析演算法

其反鋸齒像素對比核心演算法代碼如下

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傳輸顏色空間測量感知色差”計算色差

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; // 僅亮度差

    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);
}

// 檢查像素是否可能是抗鋸齒的一部分
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;

    // 穿過8個相鄰像素
    for (std::size_t x = x0; x <= x2; x++) {
        for (std::size_t y = y0; y <= y2; y++) {
            if (x == x1 && y == y1) continue;

            // 中心像素和相鄰像素之間的亮度增量
            double delta = colorDelta(img, img, pos, (y * width + x) * 4, true);

            // 計算相等、較暗和較亮相鄰像素的數量
            if (delta == 0) zeroes++;
            else if (delta < 0) negatives++;
            else if (delta > 0) positives++;

            // 如果找到兩個以上相同的同級，則絕對不是抗鋸齒
            if (zeroes > 2) return false;

            if (!img2) continue;

            // 記得最暗的像素
            if (delta < min) {
                min = delta;
                minX = x;
                minY = y;
            }
            // 記住最亮的像素
            if (delta > max) {
                max = delta;
                maxX = x;
                maxY = y;
            }
        }
    }

    if (!img2) return true;

    // 如果同級之間沒有較暗和較亮的像素，則不是抗鋸齒
    if (negatives == 0 || positives == 0) return false;

    // 如果最暗或最亮的像素在兩幅圖像中都有兩個以上相同的同級
	//（絕對不是反走樣），該像素是反走樣的
    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) 前端調用演算法並展示

相關代碼如下


// 地圖比較不同
let diff = await service.cmdMapDiff({
    // 要比較圖1的圖名稱
    mapid1: mapId1,
    // 要比較圖1的圖版本，如為空，表示是最新版本
    version1: "",
    // 要比較圖1的圖層樣式名稱，可為空。為空的用預設的
    layer1: map1.getService().currentMapParam().layer,
    // 要比較圖2的圖名稱，圖名稱可以和mapid1不一樣
    mapid2: mapId2,
    // 要比較圖2的圖版本，如為空，表示是最新版本
    version2: "",
    // 要比較圖2的圖層樣式名稱，可為空。為空的用預設的
    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])) ;// 閉合
    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，沒有找到不同處");
    return;
}
// 修改的部分
drawPolygons(map2, diff.modify, "#f00");
// 新增部分
drawPolygons(map2, diff.new, "#0f0");
// 刪除部分
drawPolygons(map1, diff.del, "#00f");

以上前端的實現代碼已開源至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

線上體驗地址為：https://vjmap.com/demo/#/demo/map/service/17zmapDiff