目录
一、前言
上一篇文章介绍了如何使用Geotrellis渲染单波段的栅格数据，已然很是头疼，这几天不懈努力之后工作又进了一步，整清楚了如何使用Geotrellis将多个（3个）波段的栅格数据渲染成真彩色，废话不多说，进入正题。
二、实现过程
其实基本延续上一篇文章的思路，多波段真彩色就是要将三个波段数据分别作为rgb组合起来得到rgb值进行真彩色渲染。所以与单波段不同的是需要提前获取三个波段的整体信息，以及对波段进行rgb合并。
2.1 获取三个波段整体信息
就是将上一篇文章(geotrellis使用（二十七）栅格数据色彩渲染)中的获取单个波段整体信息计算三次，分别与rgb波段对应。
2.2 三个波段合并
多波段真彩色相较单波段就复杂在这里，我们需要首先将三个波段按照rgb的顺序拼成一个多波段瓦片，然后再将此多波段瓦片转成一个真彩色单波段瓦片，再根据真彩色颜色值进行渲染。这里面有很多细节需要注意，现逐一介绍之。
1、波段亮度值归一化操作
由于三个波段中其亮度范围各不相同，而最后又需要将三个波段的亮度值合并成一个rgb的颜色值，那么必须将三个波段都归一化到[0, 255]，否则最后无法得到真彩色效果。其实现代码如下：
tile.normalize(omin, omax, 0, 255).convert(ByteConstantNoDataCellType)
其中tile为单波段的瓦片，omin、omax为该波段原始的亮度值范围（由2.1中方法获得），convert(ByteConstantNoDataCellType)表示将归一化的瓦片转换成Byte数据类型。
2、拼成多波段瓦片，代码如下：
val multiTile = MultibandTile(tiles)
其中tiles为经过归一化并convert处理后的瓦片集合。
3、将多波段瓦片转变成真彩色单波段瓦片
其实就是将三个波段的亮度值分别作为rgb的值，合并成一个波段的亮度值，在geotrellis中也已经实现了该转换方法，代码如下：
val colorTile = mmultiTIle.color
其中multiTile即上一步中获取到的多波段瓦片，我们可以看一下geotrellis此块的源代码。
def color(): Tile = {
assert(self.bandCount == 3 || self.bandCount == 4)
if(self.bandCount == 3) {
self.convert(IntConstantNoDataCellType).combine(0, 1, 2) { (rBand, gBand, bBand) =>
val r = if (isData(rBand)) { rBand } else 0
val g = if (isData(gBand)) { gBand } else 0
val b = if (isData(bBand)) { bBand } else 0
if(r + g + b == 0) 0
else {
((r & 0xFF) << 24) | ((g & 0xFF) << 16) | ((b & 0xFF) << 8) | 0xFF
}
}
} else {
self.convert(IntConstantNoDataCellType).combine(0, 1, 2, 3) { (rBand, gBand, bBand, aBand) =>
val r = if (isData(rBand)) { rBand } else 0
val g = if (isData(gBand)) { gBand } else 0
val b = if (isData(bBand)) { bBand } else 0
val a = if (isData(aBand)) { aBand } else 0
if(r + g + b == 0) 0
else {
((r & 0xFF) << 24) | ((g & 0xFF) << 16) | ((b & 0xFF) << 8) | (a & 0xFF)
}
}
}
}
可以看到其实现过程正如我们所想的，不同的是如果是4个波段的多波段瓦片，会有一个波段亮度值作为a的值，表示透明度。其中self就是我们的multiTile，此处运用了扩展方法，我会另起一篇博客专门介绍scala中的泛型以及扩展方法。
4、将真彩色瓦片转换为png图像传输到前台，代码如下：
colorTile.renderPng().bytes
由于colorTile亮度值就是标准的rgb值，所以此处使用其默认的转换方法即可。将png发送到前台，前台即可浏览到真彩色瓦片。
三、总结
本文简单为大家介绍了如何实现栅格数据的多波段真彩色渲染，有了单波段的基础之后真彩色貌似就没有那么复杂了。复杂的问题总是这样，只要拆分成一个个小问题，总能迎刃而解。