GeoTIFF!

좌표참조시스템(CRS, Coordinate Reference System)

OGC가 정한 WKT (Well-Known Text) 표준 텍스트 문법으로 좌표계를 사람이 읽을 수 있게 기록한다.
타원체, 데이텀, 본초자오선, 단위, 투영법 같은 정보가 모두 문자열 안에 들어간다.

1
2
3
4
5
6
7
8
9
GEOGCS["WGS 84",                          // 지리 좌표계(Geographic CS), 이름은 "WGS 84" 경도/위도(각도)로 위치를 표현하고, 투영은 없음
DATUM["WGS_1984", // 데이텀: 지구 모델을 실제 지구에 어떻게 맞췄는지에 대한 기준
SPHEROID["WGS 84", // 타원체: 지구를 근사한 회전 타원체
6378137, // 장반경(적도 반지름), 단위 m
298.257223563]], // 역편평률(1/f): 극 방향으로 얼마나 납작한지
// 극반경 = 6378137 × (1 - 1/298.257223563) ≈ 6356752 m
PRIMEM["Greenwich", 0], // 본초자오선: 경도 0°의 기준선은 그리니치, 오프셋 0
UNIT["degree", 0.0174532925199433], // 각도 단위: 도(degree), 1도를 라디안으로 바꾼 값(π/180)
AUTHORITY["EPSG","4326"]] // 이 정의의 출처: EPSG 레지스트리의 4326번 "EPSG:4326"이라는 코드 하나로 위 정의 전체를 가리킬 수 있음

표준 좌표계는 EPSG 코드(EPSG:4326, EPSG:3857, EPSG:5186)로 식별하며 위의 값들은 EPSG:4326 에서 사용하는 값들이다.

GeoTIFF 스펙에는 WKT 의 각 요소에 대응하는 GeoKey 가 정의되어 있다.
EPSG 에 등록된 좌표계라면 보통 GeographicTypeGeoKey = 4326 처럼 코드 하나만 저장하고,
등록되지 않은 사용자 정의 좌표계(코드 32767)일 때 아래 키들로 파라미터를 하나씩 저장한다.

1
2
3
4
5
6
7
8
9
WKT                                   GeoKey
───────────────────────────────── ──────────────────────────────────
GEOGCS["WGS 84", ... → GeogCitationGeoKey (2049)
DATUM["WGS_1984", ... → GeogGeodeticDatumGeoKey (2050)
SPHEROID[..., 6378137, → GeogSemiMajorAxisGeoKey (2057)
298.257223563] → GeogInvFlatteningGeoKey (2059)
PRIMEM["Greenwich", 0] → GeogPrimeMeridianGeoKey (2051)
UNIT["degree", ...] → GeogAngularUnitsGeoKey (2054)
AUTHORITY["EPSG","4326"] → GeographicTypeGeoKey = 4326

GSD(Ground Sample Distance)
항공·위성 이미지에서 픽셀 하나가 실제 땅에서 차지하는 크기. 예를 들어 GSD가 10m라면 이미지의 픽셀 하나가 지상에서 약 10m × 10m 영역을 나타냄.

간단히 말하면 CRS는 위치를 표현하는 기준, GSD는 이미지의 픽셀 크기.
GeoTIFF를 볼 때 CRS는 어디에 놓아야 하는지, GSD는 얼마나 자세한지 알려준다.

해상도(pixel size)
픽셀 한 칸의 크기를 CRS 단위로 나타낸 값. CRS 단위가 metre이고 영상이 정사보정됐다면 지상표본거리(GSD)와 대응시킬 수 있다.

Affine 변환 기초

Affine 변환은 직선과 평행선을 유지하는 2차원 변환이다. 이동, 회전, 확대·축소, 반사, shear를 하나의 행렬로 표현할 수 있다.
원의 모양이나 각도·길이가 항상 보존되는 것은 아니지만 직선이 곡선으로 휘지는 않는다.

Rasterio의 Affine(a, b, c, d, e, f)는 다음 3×3 행렬을 뜻한다.

1
2
3
4
5
6
[X]   [a b c] [col]
[Y] = [d e f] [row]
[1] [0 0 1] [ 1 ]

X = a·col + b·row + c
Y = d·col + e·row + f

각 계수의 역할은 다음과 같다.

계수 직관적인 의미
a 열 방향으로 한 픽셀 이동할 때 X 변화량
b 행 방향 이동이 X에 주는 영향. 회전·shear가 없으면 0
c 원점 (0, 0)의 X 좌표
d 열 방향 이동이 Y에 주는 영향. 회전·shear가 없으면 0
e 행 방향으로 한 픽셀 이동할 때 Y 변화량
f 원점 (0, 0)의 Y 좌표

픽셀 모서리와 픽셀 중심

GDAL GeoTransform의 (0, 0)은 첫 픽셀의 중심이 아니라 좌상단 모서리다. 첫 픽셀의
중심은 (0.5, 0.5)이다. 이 반 픽셀 차이를 놓치면 같은 해상도에서 결과가 일정하게
반 픽셀씩 밀린다.

1
2
3
4
with rasterio.open("sample.tif") as src:
print(src.transform * (0, 0)) # 첫 픽셀의 좌상단 모서리
print(src.xy(0, 0)) # 첫 픽셀의 중심(offset="center"가 기본)
print(src.xy(0, 0, offset="ul")) # 첫 픽셀의 좌상단 모서리

또 하나의 흔한 실수는 순서다.

1
2
3
배열 접근       image[row, col]
Affine 입력 transform * (col, row)
Rasterio xy() dataset.xy(row, col)

역변환: 지도 좌표에서 픽셀 찾기

화면 클릭 좌표 (X, Y)가 원본 이미지의 어느 픽셀인지 찾으려면 Affine의 역행렬을 쓴다.

1
2
3
4
5
6
7
transform = src.transform

x, y = transform * (200, 100) # pixel → map
col, row = (~transform) * (x, y) # map → fractional pixel

# 픽셀 index가 필요하면 Rasterio가 floor 처리한다.
row, col = src.index(x, y)

역행렬이 존재하려면 2×2 선형 부분의 determinant가 0이 아니어야 한다.

1
det = a·e - b·d

det = 0이면 한 축이 완전히 찌그러져 면적이 0이 된 변환이므로 되돌릴 수 없다. 값이 0에
너무 가까워도 수치적으로 불안정하다.

변환 합성: 오른쪽 행렬부터 적용된다

여러 변환은 행렬 곱으로 하나로 합칠 수 있다.

1
2
3
4
5
6
7
from affine import Affine

pixel_to_canvas = Affine.translation(100, 50) * Affine.rotation(10)
canvas_to_map = Affine(0.05, 0, 300000, 0, -0.05, 4000020)

pixel_to_map = canvas_to_map * pixel_to_canvas
x, y = pixel_to_map * (col, row)

A * B * point는 B를 먼저 적용하고 A를 나중에 적용한다. 프로젝트의 COG export에서
각 타일 transform을 다음처럼 만드는 것도 같은 원리다.

1
tile_transform = canvas_to_map * Affine.translation(tile_x, tile_y)

타일 내부 좌표에 먼저 (tile_x, tile_y) offset을 더해 전체 canvas pixel로 바꾸고, 그다음
canvas pixel을 지역 map 좌표로 변환한다.

GeoTransform

[픽셀 좌표 → 지리 좌표] 로 매핑하는 Affine 변환 6개 파라미터

GeoTransform 의 Affine 변환은 픽셀 좌표 (col, row) 를 지리 좌표 (x, y) 로 변환한다.

1
2
x = GT[0] + col * GT[1] + row * GT[2]
y = GT[3] + col * GT[4] + row * GT[5]
  • GT[0], GT[3]: 좌상단(origin) 의 x, y 좌표
  • GT[1], GT[5]: 픽셀 폭/높이 (해상도). 보통 GT[5] 는 음수 (이미지 y축은 아래로 증가, 지리 y축은 위로 증가)
  • GT[2], GT[4]: 회전(rotation) 성분. 일반적인 정사영상은 0

회전이 없는 north-up(북쪽이 위인 방항향) 래스터라면 가장 단순하다.

1
2
Affine(0.05, 0, 300000,
0, -0.05, 4000020)

의미는 다음과 같다.

  • (0, 0) 픽셀 모서리는 (300000, 4000020)이다.
  • 오른쪽으로 한 픽셀 가면 X가 0.05m 증가한다.
  • 아래로 한 픽셀 가면 Y가 0.05m 감소한다.
  • 따라서 픽셀 크기는 약 5cm × 5cm다.

예를 들어 (col=200, row=100)의 좌상단 모서리는 다음 좌표다.

1
2
X = 300000 + 200 × 0.05 = 300010
Y = 4000020 + 100 × -0.05 = 4000015

Affine 변환과 CRS 변환은 다르다

Affine은 한 평면 안에서 좌표를 선형적으로 옮기는 방법이고, CRS 재투영은 지구의 곡면과 투영 공식을 고려해 좌표계를 바꾸는 작업이다.

1
2
canvas pixel ── Affine ──> local AEQD metre
local AEQD ── PROJ/GDAL reprojection ──> WGS84 또는 EPSG:3857

좁은 이미지 범위의 pixel-to-map 관계는 Affine 하나로 표현할 수 있지만, 위경도 전체를 Web Mercator로 바꾸는 관계는 전역 Affine이 아니다.

AEQD(Azimuthal Equidistant, 정거방위도법) 는 지구 위 한 점을 원점으로 잡고, 원점에서 각 지점까지의 거리와 방위가 정확히 유지되도록 곡면을 평면에 펼치는 투영법이다.
원점에서 멀어질수록 면적과 모양이 왜곡되지만, 드론 촬영처럼 수 km 이내의 좁은 영역에서는 왜곡이 무시할 수준이다.

1
+proj=aeqd +lat_0=37.5665 +lon_0=126.9780 +x_0=0 +y_0=0 +datum=WGS84 +units=m
  • lat_0, lon_0: 원점. 이 프로젝트에서는 사진 GPS들의 평균점을 쓴다.
  • 원점이 (0, 0)이고 x는 east, y는 north이며 단위는 metre다.
  • 고정된 EPSG 코드가 없는 사용자 정의 CRS라서 GeoTIFF에는 WKT로 기록된다.

위경도(degree)는 평면 좌표가 아니라서 Affine으로 바로 fitting할 수 없다. 경도 1도의 실제거리가 위도에 따라 달라지기 때문이다.
그래서 GPS를 먼저 AEQD로 투영해 metre 단위 평면으로 펴고, 그 평면 위에서 canvas pixel → east/north Affine을 구한다.
UTM도 metre 평면이지만 zone 경계를 고려해야 하는 반면, AEQD는 작업 영역 중심에 원점을 두면 되므로 지역 작업에 간편하다.

1
2
3
4
5
6
7
from pyproj import CRS, Transformer

local_crs = CRS.from_proj4(
f"+proj=aeqd +lat_0={lat0} +lon_0={lon0} +datum=WGS84 +units=m"
)
to_local = Transformer.from_crs("EPSG:4326", local_crs, always_xy=True)
east, north = to_local.transform(lon, lat) # always_xy=True면 (lon, lat) 순서

이 프로젝트에서는 Affine 계열 변환이 두 번 등장한다.

  1. 사진별 similarity 행렬: source pixel → stitched canvas pixel
  2. GPS fitting 결과: stitched canvas pixel → local AEQD east/north metre

두 행렬을 합치면 개별 사진 픽셀을 지역 좌표로 보낼 수 있다. 단, 이것은 2D 평면 근사이며
고도·카메라 모델·DEM을 사용하는 정사보정을 대신하지 않는다.

GDAL Geotransform Tutorial,
Rasterio Transforms,
Rasterio Georeferencing

GDAL과 Rasterio의 계수 순서가 다르다

GDAL(Geospatial Data Abstraction Library) 은 GeoTIFF 같은 래스터·벡터 공간 데이터를 읽고 변환·처리하는 라이브러리이자 명령행 도구 모음이다. 서로 다른 공간 데이터 형식과 좌표 정보를 공통된 방식으로 다룰 수 있게 해준다.

이 글에서 자주 만나는 도구는 다음과 같다.

도구 용도
gdalinfo 파일 크기, 좌표계, 픽셀 크기, 밴드 등 메타데이터 확인
gdal_translate GeoTIFF를 COG 등 다른 형식으로 변환
gdalwarp 재투영 및 래스터 워핑

아래는 gdalinfo 로 메타데이터를 확인하는 예다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
gdalinfo 6ae052539b0f7cee694cd6a8.tif
Driver: GTiff/GeoTIFF
Files: 6ae052539b0f7cee694cd6a8.tif
Size is 9088, 7637
Coordinate System is:
PROJCRS["unknown",
BASEGEOGCRS["unknown",
DATUM["World Geodetic System 1984",
ELLIPSOID["WGS 84",6378137,298.257223563,
LENGTHUNIT["metre",1]],
ID["EPSG",6326]],
PRIMEM["Greenwich",0,
ANGLEUNIT["degree",0.0174532925199433,
ID["EPSG",9122]]]],
CONVERSION["Azimuthal Equidistant",
METHOD["Azimuthal Equidistant",
ID["EPSG",1125]],
PARAMETER["Latitude of natural origin",37.355984444444,
ANGLEUNIT["degree",0.0174532925199433],
ID["EPSG",8801]],
PARAMETER["Longitude of natural origin",127.0712075,
ANGLEUNIT["degree",0.0174532925199433],
ID["EPSG",8802]],
PARAMETER["False easting",0,
LENGTHUNIT["metre",1],
ID["EPSG",8806]],
PARAMETER["False northing",0,
LENGTHUNIT["metre",1],
ID["EPSG",8807]]],
CS[Cartesian,2],
AXIS["(E)",east,
ORDER[1],
LENGTHUNIT["metre",1,
ID["EPSG",9001]]],
AXIS["(N)",north,
ORDER[2],
LENGTHUNIT["metre",1,
ID["EPSG",9001]]]]
Data axis to CRS axis mapping: 1,2
GeoTransform =
27.12006893266787, 0.004727505826792815, -0.01184413445276231
70.56027226920958, -0.01184413445276231, -0.004727505826792815
Metadata:
AREA_OR_POINT=Area
Image Structure Metadata:
LAYOUT=COG
COMPRESSION=DEFLATE
INTERLEAVE=PIXEL
PREDICTOR=2
Corner Coordinates:
Upper Left ( 27.1200689, 70.5602723) (127d 4'17.45"E, 37d21'23.83"N)
Lower Left ( -63.3335859, 34.4563103) (127d 4'13.77"E, 37d21'22.66"N)
Upper Right ( 70.0836419, -37.0792216) (127d 4'19.19"E, 37d21'20.34"N)
Lower Right ( -20.3700129, -73.1831836) (127d 4'15.52"E, 37d21'19.17"N)
Center ( 3.3750280, -1.3114557) (127d 4'16.48"E, 37d21'21.50"N)
Band 1 Block=512x512 Type=Byte, ColorInterp=Red
Overviews: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238
Mask Flags: PER_DATASET ALPHA
Overviews of mask band: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238
Band 2 Block=512x512 Type=Byte, ColorInterp=Green
Overviews: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238
Mask Flags: PER_DATASET ALPHA
Overviews of mask band: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238
Band 3 Block=512x512 Type=Byte, ColorInterp=Blue
Overviews: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238
Mask Flags: PER_DATASET ALPHA
Overviews of mask band: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238
Band 4 Block=512x512 Type=Byte, ColorInterp=Alpha
Overviews: 4544x3818, 2272x1909, 1136x954, 568x477, 284x238

Python 에서는 rasterio 를 주로 사용한다.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import rasterio

with rasterio.open(path) as src:
print("CRS :", src.crs)
print("EPSG :", src.crs.to_epsg())
print("Transform:\n", src.transform)
print("Size :", src.width, "x", src.height)
print("Bands :", src.count, src.dtypes)
print("Bounds :", src.bounds)
print("Res :", src.res)

band = src.read(1) # 첫 번째 밴드를 numpy 배열로 읽기
print("Band 1 :", band.shape, band.dtype, "min", band.min(), "max", band.max())

# CRS : PROJCS["unknown",GEOGCS["unknown",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG","7030"]],AUTHORITY["EPSG","6326"]],PRIMEM["Greenwich",0],UNIT["degree",0.0174532925199433,AUTHORITY["EPSG","9122"]]],PROJECTION["Azimuthal_Equidistant"],PARAMETER["latitude_of_center",37.355976322751],PARAMETER["longitude_of_center",127.071194179894],PARAMETER["false_easting",0],PARAMETER["false_northing",0],UNIT["metre",1,AUTHORITY["EPSG","9001"]],AXIS["Easting",EAST],AXIS["Northing",NORTH]]
# EPSG : None
# Transform:
# | 0.01,-0.01, 15.25|
# |-0.01,-0.01, 74.03|
# | 0.00, 0.00, 1.00|
# Size : 9432 x 8154
# Bands : 4 ('uint8', 'uint8', 'uint8', 'uint8')
# Bounds : BoundingBox(left=-66.80242833213316, bottom=-72.25487047953749, right=74.66892699105964, top=74.02675639430305)
# Res : (0.011872283287495036, 0.011872283287495036)
# Band 1 : (8154, 9432) uint8 min 0 max 255

Affine 변환과 CRS 변환은 같은 변환을 표현하지만 tuple 순서가 달라 가장 자주 실수함으로 전용 변환 함수를 사용을 권장한다.

1
2
3
Rasterio Affine: (a, b, c, d, e, f)
GDAL GeoTransform: (c, a, b, f, d, e) # 튜플순서 다름
GT0 GT1 GT2 GT3 GT4 GT5
1
2
3
4
from affine import Affine

transform = Affine.from_gdal(*gdal_geotransform)
gdal_geotransform = transform.to_gdal()

GeoTIFF 데이터 구조

https://www.ogc.org/standards/geotiff/
https://www.cogeo.org/

GeoTIFF/COG(Cloud Optimized GeoTIFF) 를 제대로 이해하려면 그 컨테이너인 TIFF 의 내부 구조를 알아야 한다.
GeoTIFF 는 일반 TIFF(Tagged Image File Format) 이미지에 지리참조(georeferencing) 정보를 임베딩 한 래스터 포맷이다.

래스터(raster) 포맷은 이미지를 격자(grid) 형태의 픽셀(셀) 배열로 표현하는 데이터 형식

TIFF 는 이름 그대로 Tag(태그) 기반 포맷이라, 픽셀 데이터와 메타데이터를 “태그로 라벨링된 필드” 로 유연하게 담는다.
위성/항공 영상, 드론 정사영상(orthophoto), DEM(수치표고모델) 등 지리공간 데이터를 다룰 때 사실상의 표준으로 사용된다.

파일은 크게 헤더 → IFD(디렉토리) → 실제 데이터 세 부분으로 구성된다.
TIFF 태그 영역에 아래와 같은 지리 메타데이터가 추가로 들어있다.

1. 헤더 (8바이트)

파일 맨 앞 8바이트는 전체 구조를 여는 열쇠다.

1
2
3
4
5
바이트 0~1 : 바이트 순서(byte order)
II(0x4949): Little Endian
MM(0x4D4D): Big Endian
바이트 2~3 : 매직 넘버 42 (0x002A) — TIF 임을 표식
바이트 4~7 : 첫 번째 IFD 가 위치한 파일 오프셋(offset)

즉 헤더는 “엔디안이 무엇이고, 첫 IFD 는 파일의 몇 번째 바이트에 있는지” 만 알려준다.
실제 정보는 전부 IFD 를 따라가야 나온다.

64비트 오프셋을 쓰는 BigTIFF 는 매직넘버가 43 이며, 4GB 를 넘는 대용량 GeoTIFF 에서 사용된다.

2. IFD (Image File Directory)

IFD 는 이미지 한 장의 메타데이터 목록(태그 배열) 이다. 구조는 다음과 같다.
마지막의 “다음 IFD 오프셋” 때문에 IFD 는 연결 리스트(linked list) 를 이룬다. 다음 오프셋이 0 이면 마지막 이미지다.

1
2
3
[2바이트] 이 IFD 안의 태그 개수 N
[12바이트 × N] 태그 엔트리들
[4바이트] 다음 IFD 의 오프셋 (없으면 0)

IFD 1개 = 이미지 1장 이지만, TIFF 파일 1개 = 이미지 1장 이상 이다.
이미지가 여러 장인 경우는 용도에 따라 아래처럼 나뉜다.

경우 여러 장의 관계 구조
단순 TIFF 이미지 1장 헤더 → IFD 0 → 0
멀티페이지 TIFF 서로 다른 페이지 (스캔 문서, 팩스) 헤더 → IFD 0(1p) → IFD 1(2p) → IFD 2(3p) → 0
오버뷰 (GeoTIFF/COG) 같은 영상, 해상도만 1/2 씩 축소 헤더 → IFD 0(원본) → IFD 1(1/2) → IFD 2(1/4) → … → 0
마스크 같은 영상의 유효 영역(nodata) 표시용 이미지 원본/오버뷰 IFD 뒤에 마스크 IFD 가 붙음

GeoTIFF 에서는 대부분 오버뷰 경우다. 지도를 축소해서 볼 때 원본 타일 수백 개를 읽어 줄이는 대신 작은 오버뷰 IFD 의 타일 몇 개만 읽으면 된다.
오버뷰 IFD 에는 NewSubfileType = 1 (reduced-resolution image) 태그가 붙어 원본의 축소본임을 표시한다.

배열이 아니라 연결 리스트인 이유: 이미지 수를 미리 정할 필요 없이 파일 끝에 이미지를 덧붙이고 마지막 IFD 의 “다음 오프셋” 만 고치면 된다. 팩스·스캐너가 페이지를 하나씩 이어 붙이던 시절의 설계다.

이 덕분에 한 파일에 여러 장의 이미지를 담을 수 있고 COG 의 오버뷰(피라미드) 각 층이 바로 별도의 IFD 로 저장된다.
실제 COG 파일을 tiffinfo 로 보면 해상도별로 IFD 6개(원본 1 + 오버뷰 5)가 확인된다.

1
2
3
4
5
6
7
8
9
10
$ tiffinfo sample.tif | grep -E "^TIFF Directory|Subfile Type|Image Width"
TIFF Directory at offset 0xc0 (192)
Image Width: 9432 Image Length: 8154
TIFF Directory at offset 0x32e (814)
Subfile Type: reduced-resolution image (1 = 0x1)
Image Width: 4716 Image Length: 4077
...
TIFF Directory at offset 0x656 (1622)
Subfile Type: reduced-resolution image (1 = 0x1)
Image Width: 294 Image Length: 254
IFD 종류 크기 타일 수 (512×512)
0 원본 9432 × 8154 19 × 16 = 304
1 오버뷰 1/2 4716 × 4077 10 × 8 = 80
2 오버뷰 1/4 2358 × 2038 5 × 4 = 20
3 오버뷰 1/8 1179 × 1019 3 × 2 = 6
4 오버뷰 1/16 589 × 509 2 × 1 = 2
5 오버뷰 1/32 294 × 254 1 × 1 = 1

IFD 6개가 모두 파일 앞 2KB 안(192~1622 바이트)에 모여 있는데, 이것이 COG 의 배치 방식이다. 이 파일은 RGBA 4밴드라 Alpha 밴드가 마스크 역할을 하므로 마스크용 IFD 는 따로 없다.

IFD 와 타일의 관계

IFD 는 타일 하나의 메타데이터가 아니라 이미지 한 장의 메타데이터 다.
타일은 이미지 한 장을 격자로 자른 조각이고, IFD 안에는 타일별로 위치와 크기만 배열로 들어간다.

1
2
3
4
5
6
7
8
IFD 0 (2048×1536, 타일 512×512)        이미지
├─ ImageWidth / ImageLength ┌────┬────┬────┬────┐
├─ TileWidth / TileLength │ t0 │ t1 │ t2 │ t3 │
├─ TileOffsets [t0, t1, … t11] ├────┼────┼────┼────┤
├─ TileByteCounts [n0, n1, … n11] │ t4 │ t5 │ t6 │ t7 │
├─ Compression, GeoKey ... ├────┼────┼────┼────┤
└─ 다음 IFD 오프셋 │ t8 │ t9 │t10 │t11 │
└────┴────┴────┴────┘

IFD 자체에 고정된 최대 크기는 없지만 필드 크기에서 오는 상한이 있다.

항목 일반 TIFF BigTIFF
태그 개수 필드 2바이트 (최대 65,535개) 8바이트
태그 엔트리 크기 12바이트 20바이트
오프셋 4바이트 (파일 4GB 이내) 8바이트

태그 수는 보통 수십 개라 문제가 되지 않고, IFD 를 키우는 건 TileOffsets/TileByteCounts 배열이다.
100,000 × 100,000 픽셀을 512 타일로 자르면 타일이 38,416개라 두 배열만 약 300KB(BigTIFF 는 약 600KB)가 된다.
GDAL 은 COG 를 열 때 파일 앞부분만 먼저 읽기 때문에(GDAL_INGESTED_BYTES_AT_OPEN, 기본 16KB) 배열이 이보다 크면 Range Request 가 추가로 발생한다.

각 태그 엔트리(12바이트) 는 아래 형태다.

1
2
3
4
5
[2바이트] Tag ID   — 무슨 정보인지 (예: 256=ImageWidth, 257=ImageLength)
[2바이트] Type — 자료형 (1=BYTE, 3=SHORT, 4=LONG, 5=RATIONAL ...)
[4바이트] Count — 값의 개수
[4바이트] Value/Offset — 값이 4바이트에 들어가면 여기 직접,
넘치면 실제 값이 있는 파일 오프셋

값이 4바이트 안에 들어가면 그 자리에 바로 넣고, 크면 “값이 저장된 다른 위치의 오프셋” 을 넣는 간접 참조 방식이라 태그 크기가 12바이트로 고정된다.

주요 태그 예시:

Tag ID 이름 의미
256 ImageWidth 이미지 폭(픽셀)
257 ImageLength 이미지 높이(픽셀)
258 BitsPerSample 샘플당 비트 수
259 Compression 압축 방식 (1=없음, 5=LZW, 8=Deflate …)
277 SamplesPerPixel 픽셀당 밴드 수
273 StripOffsets 스트립 데이터 위치
322 TileWidth 타일 폭 (타일 방식일 때)
324 TileOffsets 각 타일 데이터의 파일 오프셋 배열
325 TileByteCounts 각 타일의 바이트 크기

GeoTIFF 는 여기에 지리 전용 태그를 추가한 것 이다. 대표적으로:

  • 34737 GeoAsciiParamsTag, 34736 GeoDoubleParamsTag, 34735 GeoKeyDirectoryTag: 좌표계(CRS/EPSG) 정보
  • 33550 ModelPixelScaleTag: 픽셀 해상도
  • 33922 ModelTiepointTag / 34264 ModelTransformationTag: Affine 변환(GeoTransform)

즉 GeoTIFF 는 새 포맷이 아니라 표준 TIFF 태그 규약에 지리 태그를 얹은 것 이라, 일반 이미지 뷰어로도 (지리정보 없이) 그림 자체는 열린다.

3. 픽셀 데이터 — Strip vs Tile

실제 픽셀은 압축된 덩어리로 저장되며, 배치 방식이 두 가지다.

  • Strip 방식 (전통 TIFF): 이미지를 가로 전체 폭의 가로줄 묶음(스트립) 으로 나눠 저장. StripOffsets/StripByteCounts 로 위치를 찾는다. 특정 사각 영역만 읽으려 해도 그 영역이 걸친 스트립 전체(=파일 폭 전부)를 읽어야 해 부분 접근에 불리하다.
  • Tile 방식 (COG 가 사용): 이미지를 256×256, 512×512 같은 정사각형 타일 로 나눠 저장. TileOffsets/TileByteCounts 로 각 타일의 위치를 안다. 원하는 사각 영역을 덮는 타일 블록만 콕 집어 읽을 수 있다.
1
2
3
4
5
6
7
8
9
Strip 방식                     Tile 방식
┌─────────────────┐ ┌────┬────┬────┐
│ strip 0 │ │ T0 │ T1 │ T2 │
├─────────────────┤ ├────┼────┼────┤
│ strip 1 │ │ T3 │ T4 │ T5 │
├─────────────────┤ ├────┼────┼────┤
│ strip 2 │ │ T6 │ T7 │ T8 │
└─────────────────┘ └────┴────┴────┘
가로 전체가 한 단위 독립적인 사각 블록

COG (Cloud Optimized GeoTIFF)

https://www.cogeo.org/

일반 GeoTIFF 도 서버가 HTTP Range Request를 지원하고 내부가 타일 구조라면 부분 읽기가 가능할 수 있다. 하지만 메타데이터와 픽셀 블록의 배치가 원격 읽기에 적합하다는 보장은 없다.
위성영상 한 장이 수 GB 를 넘는 경우가 많은데, 작은 화면 영역 하나를 보려고 수 GB 를 통째로 받는 것은 비효율적이다.

COG(Cloud Optimized GeoTIFF) 는 GeoTIFF 의 유효한 확장(그 자체로 정상적인 GeoTIFF) 이면서,
클라우드 오브젝트 스토리지(S3 등) 위에서 HTTP Range Request 로 필요한 부분만 읽을 수 있도록 내부 구조를 최적화한 포맷이다.

COG 를 구성하는 두 가지 핵심 요소는 다음과 같다.

  • Tiling(타일링): 특정 영역만 읽을 때 해당 타일 블록만 range request 로 가져온다.
  • Overviews(오버뷰 / 피라미드): 축소된 저해상도 버전을 미리 계산해서 함께 저장. 지도를 축소(zoom out)해서 볼 때 원본 대신 오버뷰를 읽으므로 훨씬 빠르다.

이 구조 덕분에 GDAL·Rasterio·rio-tiler 같은 COG-aware reader가 S3의 COG 파일에서 필요한
범위만 읽을 수 있다. 브라우저가 직접 읽으려면 GeoTIFF.js 같은 전용 reader가 필요하며,
Leaflet·MapLibre는 보통 TiTiler 등에서 변환한 XYZ 타일을 받는다.

정리하면 TIFF 파일을 읽는 순서는 항상 헤더(첫 IFD 위치 파악) → IFD 체인 순회(태그로 이미지 스펙·타일 색인표 획득) → TileOffsets 를 보고 원하는 타일 데이터만 접근 이다.
COG 는 바로 이 IFD 체인과 TileOffsets 테이블을 파일 앞쪽에 몰아 배치 해서, 뒤에 설명할 동적 타일 서비스를 가능하게 만든다.

타일맵 서비스 구성

  • rio-tiler: COG 를 동적으로 타일(XYZ) 로 서빙하는 파이썬 라이브러리.

TiTiler 는 rio-tiler 를 FastAP 로 래핑해 만든 서버, 미리 모든 타일을 잘라두지 않고 요청이 올 때마다 즉석에서 XYZ 타일을 만들어 응답한다.
원본이 수 GB~수 TB 여도 빠른 이유는 앞의 COG 구조에서 이미 답이 나온다.

GET /tiles/{z}/{x}/{y}.png 한 요청의 처리 흐름:

1
2
3
4
5
1. 요청한 XYZ 타일의 지리 bbox 계산 (Web Mercator)
2. COG 오버뷰 중 해상도가 가장 근접한 층(IFD) 선택 ← 읽을 데이터량을 줄이는 핵심
3. bbox 를 덮는 내부 타일 블록만 HTTP Range Request 로 읽기
4. 그 작은 조각만 Web Mercator 로 warp/reproject → 256×256 리사이즈
5. PNG / JPEG / WebP 로 인코딩해 응답

실제 웹 지도에 COG 를 올리는 전형적인 구성은 데이터(COG) → 색인(MosaicJSON) → 타일 서버(TiTiler) → 프론트엔드(MapLibre / Leaflet) 4단계로 이어진다.
세부 내용에 들어가기 전에 요청 하나가 어떤 경로로 처리되는지부터 보자.

1
2
3
4
5
6
7
8
9
10
[S3] 여러 COG (각 원본에 적합한 CRS)
│ cogeo-mosaic 로 색인
▼
MosaicJSON (어느 타일 좌표에 어떤 COG 가 있는지)
│ url 파라미터로 참조
▼
TiTiler ── /mosaicjson/tiles/{z}/{x}/{y}.png 요청 시
│ 해당 위치 COG 들을 range read → 합성 → 인코딩
▼
MapLibre / Leaflet ── XYZ 타일을 화면에 렌더링

사용자가 지도를 움직이면 브라우저는 화면에 필요한 {z}/{x}/{y} 타일을 TiTiler 에 요청한다.
TiTiler 는 MosaicJSON 에서 그 타일 위치에 걸친 COG 목록을 찾고, 각 COG 에서 필요한 블록만 HTTP Range Request 로 읽어 재투영·합성한 뒤 PNG 등으로 인코딩해 돌려준다.

핵심은 타일을 미리 잘라 두지(pre-rendering) 않고 요청 시점에 필요한 타일만 생성한다는 점이다.
그래서 원본 갱신이 잦거나 밴드 조합·컬러맵을 동적으로 바꿔야 하는 서비스에 잘 맞는다.
반대로 트래픽이 크고 표현이 고정적이면 TiTiler 앞에 CDN 캐시를 두거나, gdal2tiles 로 정적 타일을 미리 구워 서빙하는 편이 저렴할 수 있다.

COG (원본 CRS 유지 또는 EPSG:3857 서빙 사본)

COG 자체는 특정 좌표계를 요구하지 않는다. 분석 정확도와 픽셀 해상도를 보존하려면 UTM, 국가좌표계, 지역 투영좌표계 등 원본에 적합한 CRS를 유지하는 것이 기본이다.

웹 지도의 XYZ 타일은 대부분 EPSG:3857(Web Mercator)을 사용하므로 원본 CRS가 다르면 타일 서버가 요청 시 재투영한다.

Web Mercator는 고위도로 갈수록 면적과 거리 왜곡이 커진다. 분석용 원본과 지도 표시용 산출물의 CRS를 목적에 따라 분리한다.

트래픽이 많고 표현이 고정됐다면 별도의 3857 서빙 사본을 만들어 재투영 비용을 줄일 수 있지만, 무조건 먼저 변환해야 하는 것은 아니다.

MosaicJSON

전국/전세계처럼 넓은 영역은 수백~수천 개의 COG 로 쪼개져 있다. 사용자가 지도를 이동하면 그 위치에 해당하는 COG 를 찾아 읽어야 하는데, 어느 좌표에 어떤 COG 가 있는지 를 매핑하는 색인이 MosaicJSON 이다.
여러 COG 의 공간 범위(bounds)를 quadkey(타일 좌표) → COG URL 목록 형태로 인덱싱한 JSON 규격이다.

  • 겹치는 영역은 여러 COG 가 매핑되며, 위에서부터 우선순위대로 합성(mosaic)한다. (최신 촬영본 우선, 구름 없는 것 우선 등)
  • cogeo-mosaic 라이브러리로 생성한다.
1
2
3
pip install cogeo-mosaic
# S3 의 COG 목록으로부터 MosaicJSON 생성
cogeo-mosaic create my_cogs_list.txt -o mosaic.json
1
2
3
4
5
6
7
8
{
"mosaicjson": "0.0.3",
"minzoom": 7, "maxzoom": 18,
"bounds": [126.7, 37.4, 127.2, 37.7],
"tiles": {
"0302310": ["s3://bucket/scene_a_cog.tif", "s3://bucket/scene_b_cog.tif"]
}
}