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 | GEOGCS["WGS 84", // 지리 좌표계(Geographic CS), 이름은 "WGS 84" 경도/위도(각도)로 위치를 표현하고, 투영은 없음 |
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 | WKT GeoKey |
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 | [X] [a b c] [col] |
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 | with rasterio.open("sample.tif") as src: |
또 하나의 흔한 실수는 순서다.
1 | 배열 접근 image[row, col] |
역변환: 지도 좌표에서 픽셀 찾기
화면 클릭 좌표 (X, Y)가 원본 이미지의 어느 픽셀인지 찾으려면 Affine의 역행렬을 쓴다.
1 | transform = src.transform |
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 | from affine import Affine |
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 | x = GT[0] + col * GT[1] + row * GT[2] |
GT[0],GT[3]: 좌상단(origin) 의 x, y 좌표GT[1],GT[5]: 픽셀 폭/높이 (해상도). 보통GT[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 | Affine(0.05, 0, 300000, |
의미는 다음과 같다.
(0, 0)픽셀 모서리는(300000, 4000020)이다.- 오른쪽으로 한 픽셀 가면 X가
0.05m증가한다. - 아래로 한 픽셀 가면 Y가
0.05m감소한다. - 따라서 픽셀 크기는 약
5cm × 5cm다.
예를 들어 (col=200, row=100)의 좌상단 모서리는 다음 좌표다.
1 | X = 300000 + 200 × 0.05 = 300010 |
Affine 변환과 CRS 변환은 다르다
Affine은 한 평면 안에서 좌표를 선형적으로 옮기는 방법이고, CRS 재투영은 지구의 곡면과 투영 공식을 고려해 좌표계를 바꾸는 작업이다.
1 | canvas pixel ── Affine ──> local AEQD metre |
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 | from pyproj import CRS, Transformer |
이 프로젝트에서는 Affine 계열 변환이 두 번 등장한다.
- 사진별 similarity 행렬:
source pixel → stitched canvas pixel - 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 | gdalinfo 6ae052539b0f7cee694cd6a8.tif |
Python 에서는 rasterio 를 주로 사용한다.
1 | import rasterio |
Affine 변환과 CRS 변환은 같은 변환을 표현하지만 tuple 순서가 달라 가장 자주 실수함으로 전용 변환 함수를 사용을 권장한다.
1 | Rasterio Affine: (a, b, c, d, e, f) |
1 | from affine import Affine |
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 | 바이트 0~1 : 바이트 순서(byte order) |
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 | [2바이트] 이 IFD 안의 태그 개수 N |
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 | $ tiffinfo sample.tif | grep -E "^TIFF Directory|Subfile Type|Image Width" |
| 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 | IFD 0 (2048×1536, 타일 512×512) 이미지 |
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 | [2바이트] Tag ID — 무슨 정보인지 (예: 256=ImageWidth, 257=ImageLength) |
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) 정보33550 ModelPixelScaleTag: 픽셀 해상도33922 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/StripByteCounts로 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
256×256,512×512같은 정사각형 타일 로 나눠 저장.TileOffsets/TileByteCounts로 각 타일의 위치를 안다. 원하는 사각 영역을 덮는 타일 블록만 콕 집어 읽을 수 있다.
1 | Strip 방식 Tile 방식 |
COG (Cloud Optimized GeoTIFF)
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 | 1. 요청한 XYZ 타일의 지리 bbox 계산 (Web Mercator) |
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 | [S3] 여러 COG (각 원본에 적합한 CRS) |
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-mosaic라이브러리로 생성한다.
1 | pip install cogeo-mosaic |
1 | { |