解析tiff

核心原理和流程

读取文件缓冲区

const buffer = fs.readFileSync(filePath);
const tiff = await GeoTIFF.fromArrayBuffer(buffer.buffer);
const image = await tiff.getImage();

• 用 fs.readFileSync 同步读取整个 .tif/.tiff 二进制内容到内存。
• GeoTIFF.fromArrayBuffer 将这个二进制数据解析成一个 TIFF 对象，内部会读取 TIFF 头、IFD（图像文件目录）等结构。
• getImage() 拿到第一个影像帧（TIFF 可以包含多帧，但我们通常只关心第一个图层）。

获取栅格尺寸

const width = image.getWidth();
const height = image.getHeight();

• 直接从 TIFF 元数据里读出栅格宽高，用于后续的像素遍历和画布创建。

解析地理参考信息（TiePoints + PixelScale）

const tiePoints = image.getTiePoints();
const scale = image.getFileDirectory().ModelPixelScale;
const originX = tiePoints[0].x;
const originY = tiePoints[0].y;
const [pixelSizeX, pixelSizeY] = scale;

• TiePoints：一对或多对像素坐标 ↔ 地理坐标（通常只有一对），告诉我们影像左上角（或某个像素）的地图投影坐标。
• ModelPixelScale：每个像素在投影坐标系下的真实长度（X、Y 方向）。
• 由此，就能算出整张影像在投影坐标系下的边界：
  - 左下角 (minX, minY)
  - 右上角 (maxX, maxY)

读取投影（EPSG）信息

const geoKeys = image.getGeoKeys();
const epsgCode = geoKeys.ProjectedCSTypeGeoKey || geoKeys.GeographicTypeGeoKey;
const sourceCrs = `EPSG:${epsgCode}`;

• GeoKeys 中存着 TIFF 里记录的投影代码，比如 3857、4326 等。
• 拼成 EPSG:XXXX 字符串，方便后续用 proj4 做坐标转换。

投影坐标 → 地理坐标（经纬度）

const transformer = proj4(sourceCrs, "EPSG:4326");
const [minLon, minLat] = transformer.forward([minX, minY]);
const [maxLon, maxLat] = transformer.forward([maxX, maxY]);

• 用 proj4 在不同 CRS（如 WebMercator、UTM）之间无缝投影转换。
• 将四个角的投影坐标转换到 WGS84（EPSG:4326）下的经纬度。

读取像素栅格并准备渲染

const rasters = await image.readRasters({ interleave: true });
const rasterData = rasters instanceof Uint8ClampedArray
  ? rasters
  : new Uint8ClampedArray(rasters as unknown as Uint8Array);

• readRasters({ interleave: true }) 会一次性拿到所有波段数据并按 RGBA、灰度等格式排列。
• Canvas 的 ImageData 要求底层数据是 Uint8ClampedArray，所以这里做了类型兼容转换。

在 Canvas 上绘制栅格

const canvas = createCanvas(width, height);
const ctx = canvas.getContext("2d");
const imgData = ctx.createImageData(width, height);
imgData.data.set(rasterData);
ctx.putImageData(imgData, 0, 0);

• createCanvas 根据影像尺寸新建内存画布。
• 用 createImageData 新建一个空白的像素缓冲区，data.set(...) 将栅格数据写入，再一口气绘制到画布。

导出为图片文件

const outPath = filePath.replace(/\.(tif|tiff)$/i, ".png");
fs.writeFileSync(outPath, canvas.toBuffer("image/png"));
fs.writeFileSync(outPath, webpBuffer);

• canvas.toBuffer('image/png') 会调用底层的图像库（如 libvips 或 Cairo）将画布内容编码为 PNG 格式。
• 最后写磁盘生成 .png 文件。

返回综合元信息

return {
  width,
  height,
  sourceCrs,
  bboxSource: { minX, minY, maxX, maxY },
  bboxLatLng: { minLat, minLon, maxLat, maxLon },
  geoKeys,
  webp: outPath,
};

• 将所有关键信息（原始投影坐标边界、地理坐标边界、输出文件路径等）打包返回，方便后续自动化流水线使用或记录。

---

核心思路：

1. 解析 TIFF 元数据 获取投影、地理定位信息（TiePoints + Scale + GeoKeys）；
2. 转换坐标 得到人类易读的经纬度；
3. 读取并可视化影像 构建 Canvas，渲染成标准图像格式；
4. 输出文件和元数据 供后续使用。

这样，你就能在纯 Node.js 环境下，实现对任何 GeoTIFF 文件的“读投影、算范围、出图片”这一整套流程。

---

完整代码

/*
 * Node.js script to read a GeoTIFF (.tif/.tiff), extract its projection,
 * compute geographic bounding box, and render the raster to a PNG image.
 *
 * Dependencies:
 *   npm install geotiff proj4 canvas
 */

import fs from 'fs';
import * as GeoTIFF from 'geotiff';
import proj4 from 'proj4';
import { createCanvas } from 'canvas';

async function parseGeoTIFF(filePath: string) {
  // 1. Read file into buffer
  const buffer = fs.readFileSync(filePath);

  // 2. Parse the GeoTIFF
  const tiff = await GeoTIFF.fromArrayBuffer(buffer.buffer);
  const image = await tiff.getImage();

  // 3. Image dimensions
  const width = image.getWidth();
  const height = image.getHeight();

  // 4. Geo tie points & pixel scale
  const tiePoints = image.getTiePoints();
  const scale = image.getFileDirectory().ModelPixelScale;
  if (!tiePoints.length || !scale) {
    throw new Error('Missing geo-referencing tags (tie points or pixel scale)');
  }
  const { x: originX, y: originY } = tiePoints[0];
  const [pixelSizeX, pixelSizeY] = scale;

  // 5. Compute bounding box in source CRS
  const minX = originX;
  const maxY = originY;
  const maxX = originX + width * pixelSizeX;
  const minY = originY - height * pixelSizeY;

  // 6. Projection info (EPSG code)
  const geoKeys = image.getGeoKeys();
  const epsgCode = geoKeys.ProjectedCSTypeGeoKey || geoKeys.GeographicTypeGeoKey;
  const sourceCrs = EPSG:${epsgCode};

  // 7. Transform corners to WGS84 (lat/lon)
  const transformer = proj4(sourceCrs, 'EPSG:4326');
  const [minLon, minLat] = transformer.forward([minX, minY]);
  const [maxLon, maxLat] = transformer.forward([maxX, maxY]);

  // 8. Read raster data (interleaved)
  const rastersRaw = await image.readRasters({ interleave: true });
  // Convert to Uint8ClampedArray for ImageData
  const rasterData =
    rastersRaw instanceof Uint8ClampedArray
      ? rastersRaw
      : new Uint8ClampedArray(rastersRaw as any);

  // 9. Render to canvas
  const canvas = createCanvas(width, height);
  const ctx = canvas.getContext('2d');
  const imgData = ctx.createImageData(width, height);
  imgData.data.set(rasterData);
  ctx.putImageData(imgData, 0, 0);

  // 10. Save PNG
  const outPath = filePath.replace(/\.(tif|tiff)$/i, '.png');
  fs.writeFileSync(outPath, canvas.toBuffer('image/png'));

  // 11. Return metadata
  return {
    width,
    height,
    sourceCrs,
    bboxSource: { minX, minY, maxX, maxY },
    bboxLatLng: { minLat, minLon, maxLat, maxLon },
    geoKeys,
    png: outPath
  };
}

// Example usage:
(async () => {
  try {
    const result = await parseGeoTIFF(process.argv[2]);
    console.log('Parsed GeoTIFF metadata:');
    console.log(JSON.stringify(result, null, 2));
  } catch (err) {
    console.error('Error parsing GeoTIFF:', err);
  }
})();