Skip to content
TheChatArchiveThe Chat Archive
gpt-4-0314· openaiHugging Face Suzhen/CodeChat

如何在timelapes=None的情况下 blender.feed同时输入照片,并同时输出当前已输入照片拼接的结果,而不是最终所有照片一起拼接的结果: if blender…

  1. User

    如何在timelapes=None的情况下 blender.feed同时输入照片,并同时输出当前已输入照片拼接的结果,而不是最终所有照片一起拼接的结果: if blender is None and not timelapse: #创建默认图像拼接器 blender = cv.detail.Blender_createDefault(cv.detail.Blender_NO)

    hy Copy # noinspection PyArgumentList dst_sz = cv.detail.resultRoi(corners=corners, sizes=sizes) #根据blend_type的值,选择使用多波段混合("multiband")或羽化融合("feather") blend_width = np.sqrt(dst_sz[2] * dst_sz[3]) * blend_strength / 100 if blend_width < 1: blender = cv.detail.Blender_createDefault(cv.detail.Blender_NO) elif blend_type == "multiband": blender = cv.detail_MultiBandBlender() blender.setNumBands((np.log(blend_width) / np.log(2.) - 1.).astype(np.int64)) # 羽化融合 elif blend_type == "feather": blender = cv.detail_FeatherBlender() blender.setSharpness(1. / blend_width) blender.prepare(dst_sz)

    elif timelapser is None and timelapse:
        timelapser = cv.detail.Timelapser_createDefault(timelapse_type)
        timelapser.initialize(corners, sizes)
    # 延时处理
    if timelapse:
        ma_tones = np.ones((image_warped_s.shape[0], image_warped_s.shape[1]), np.uint8)
        timelapser.process(image_warped_s, ma_tones, corners[idx])
    
        pos_s = img_names[idx].rfind("/")
        if pos_s == -1:
            fixed_file_name = "fixed_" + img_names[idx]
        else:
            fixed_file_name = img_names[idx][:pos_s + 1] + "fixed_" + img_names[idx][pos_s + 1:]
        cv.imwrite(fixed_file_name, timelapser.getDst())
    else:# 如果timelapse为False,则将变形后的图像(image_warped_s)和掩码(mask_warped)传递给混合器:
        blender.feed(cv.UMat(image_warped_s), mask_warped, corners[idx])
    

    if not timelapse: result = None result_mask = None result, result_mask = blender.blend(result, result_mask) cv2.imwrite("./Result/result.jpg",result) end = time.time() print("拼接时间消耗:%d" % (end - start))

  2. Assistant

    如果你想在输入每张照片时同时输出已输入照片拼接的结果,而不是最终全部照片拼接的结果,你可以在循环内添加输出语句,将每次的结果保存成不同的文件名。以下是一个修改过的代码示例:

    counter = 0  # 添加一个计数器以用于命名输出文件
    
    for idx in range(1, len(img_names)):
        # 重复之前的步骤
    
        if not timelapse:
            blender.feed(cv.UMat(image_warped_s), mask_warped, corners[idx])
    
            # 在这里添加一个临时结果输出
            temp_result = None
            temp_result_mask = None
            temp_result, temp_result_mask = blender.blend(temp_result, temp_result_mask)
            
            output_file_name = f"./Temp_Result/result_{counter}.jpg"
            cv2.imwrite(output_file_name, temp_result)
            counter += 1  # 更新计数器以生成不同的文件名
    
    if not timelapse:
        result = None
        result_mask = None
        result, result_mask = blender.blend(result, result_mask)
        cv2.imwrite("./Final_Result/result.jpg", result)
        end = time.time()
        print("拼接时间消耗:%d" % (end - start))
    

    这样,在Temp_Result文件夹下,你将看到每次输入一个新照片的拼接结果,而最终的完整拼接结果将保存在Final_Result文件夹下。 注意,您需要确保这两个文件夹在运行代码之前已经存在。

  3. User

    blender.blend运行后会同时修改blender的内部状态 导致下一次 blender.feed报错 如何解决

  4. Assistant

    抱歉刚刚的建议给您带来困扰。这是一个新的方法:在循环内拷贝blender对象,然后对其进行混合处理以生成临时结果,这样可以避免影响原始状态。

    在实现这个方法之前,需要先安装深拷贝库:

    pip install dill --trusted-host pypi.python.org --trusted-host pypi.org --trusted-host=files.pythonhosted.org
    

    之后,您可以按照以下方式修改代码:

    import dill  # 导入深拷贝库
    
    counter = 0  # 添加一个计数器以用于命名输出文件
    
    for idx in range(1, len(img_names)):
        # 重复之前的步骤
    
        if not timelapse:
            blender.feed(cv.UMat(image_warped_s), mask_warped, corners[idx])
    
            # 复制当前的blender状态以免干扰下一个操作
            temp_blender = dill.loads(dill.dumps(blender))
            
            # 在这里添加一个临时结果输出并在复制的blender上进行操作
            temp_result = None
            temp_result_mask = None
            temp_result, temp_result_mask = temp_blender.blend(temp_result, temp_result_mask)
            
            output_file_name = f"./Temp_Result/result_{counter}.jpg"
            cv2.imwrite(output_file_name, temp_result)
            counter += 1  # 更新计数器以生成不同的文件名
    
    if not timelapse:
        result = None
        result_mask = None
        result, result_mask = blender.blend(result, result_mask)
        cv2.imwrite("./Final_Result/result.jpg", result)
        end = time.time()
        print("拼接时间消耗:%d" % (end - start))
    

    现在,这个方法应该可以在输入每个新照片时生成临时结果,而不会影响原始blender的状态。

  5. User

    报错:cannot pickle 'cv2.detail.MultiBandBlender' object

  6. Assistant

    抱歉我之前的建议没有解决问题。根据您提供的错误信息,使用dill库不能进行cv2.detail.MultiBandBlender对象的深拷贝。考虑到这一点,我们将尝试另一种方法来获得逐步的拼接结果——在循环中累积当前输入和之前已拼接的图片。

    首先,将初始图像加载到一个名为accumulated_image的变量,并在循环中将输入的新图像与之拼接。为了使程序在每次迭代时处理新图像,请重新创建blend对象并在循环内重新拼接所有图片。

    以下是如何修改循环的参考代码:

    counter = 0  # 添加一个计数器以用于命名输出文件
    
    # 初始化累积图像
    accumulated_image = cv.imread(img_names[0], cv.IMREAD_COLOR)
    
    for idx in range(1, len(img_names)):
        print(f"Processing image {idx}/{len(img_names)-1}")
    
        # 重复之前的步骤
    
        if not timelapse:
            # 重新创建blend对象
            blender = cv.detail.Blender_createDefault(cv.detail.Blender_NO)
            blend_width = np.sqrt(dst_sz[2] * dst_sz[3]) * blend_strength / 100
            if blend_width < 1:
                blender = cv.detail.Blender_createDefault(cv.detail.Blender_NO)
            elif blend_type == "multiband":
                blender = cv.detail_MultiBandBlender()
                blender.setNumBands((np.log(blend_width) / np.log(2.) - 1.).astype(np.int64))
            elif blend_type == "feather":
                blender = cv.detail_FeatherBlender()
                blender.setSharpness(1. / blend_width)
            blender.prepare(dst_sz)
    
            # 将累积图像与新图像混合
            blender.feed(cv.UMat(accumulated_image), mask_warped, corners[0])
            blender.feed(cv.UMat(image_warped_s), mask_warped, corners[idx])
    
            # 输出临时结果
            temp_result = None
            temp_result_mask = None
            temp_result, temp_result_mask = blender.blend(temp_result, temp_result_mask)
            accumulated_image = temp_result.copy()  # 更新累积图像以供下次迭代使用
            
            output_file_name = f"./Temp_Result/result_{counter}.jpg"
            cv2.imwrite(output_file_name, temp_result)
            counter += 1  # 更新计数器以生成不同的文件名
    
    # 最后的累积图像即为最终结果
    cv2.imwrite("./Final_Result/result.jpg", accumulated_image)  
    end = time.time()
    print("拼接时间消耗:%d" % (end - start))
    

    这个方法会在文件夹Temp_Result中生成每步的拼接结果。注意这种方法在处理大量的图像时会变得非常慢,因为在每次迭代时都会重新拼接所有之前的图像。