使用vips (ruby-vips8)合并多个图像

Question

使用vips (ruby-vips8)合并多个图像

3

如何将函数应用于两个分辨率相同的图像的对应像素？就像Photoshop在覆盖一个图层时所做的那样。如果有多于两个图像呢？

如果使用Wolfram Mathematica，我会取这些图像的列表并将它们转置以获得一个单独的“图像”，其中每个“像素”都是N个像素的数组--然后我会对它们应用Mean[]函数。

但是如何在vips中实现这一点？有很多Vips :: Image方法，而且只有here能找到一些关于它们的最小描述。例如：

images = Dir["shots/*"].map{ |i| Vips::Image.new_from_file(i) }
ims = images.map(&:bandmean)
(ims.inject(:+) / ims.size).write_to_file "temp.png"

我希望它的意思是“计算平均图像”，但我不确定我在这里做了什么。

- Nakilon

你能解释一下你想要实现什么吗？你是想加载一组图像并找到每个像素的平均值吗？ - jcupitt

@user894763，确实是这样。想象一下它们是同一对象的嘈杂照片，我想要清理它。但总的来说，我想知道如何应用任何 my_custom_function(pixel1, pixel2, ..., pixelN)。 - Nakilon

2个回答

-1

合并多张图片的Cli命令： vips arrayjoin '8900.jpg 8901.jpg 8902.jpg' out.jpg

如果需要垂直合并，请添加选项--across 1

- Misho M. Petkovic

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- jcupitt · Accepted Answer

ruby-vips8带有完整的运算符重载集合，因此您可以直接对图像进行算术运算。它还可以自动消除常见子表达式，因此您不需要过于关注顺序或分组，只需编写一个方程即可正常工作。

在您的示例中：

require 'vips8'

images = Dir["shots/*"].map{ |i| Vips::Image.new_from_file(i) }
sum = images.reduce (:+)
avg = sum / images.length
avg.write_to_file "out.tif"

在使用常数进行加减乘除运算时，产生的图像类型总是浮点型。因此，在保存之前你可能需要将其强制转换为uchar（或者ushort？）以避免生成巨大的输出tiff。你可以这样写：

avg = sum / images.length
avg.cast("uchar").write_to_file "out.tif"

默认情况下，new_from_file会以随机访问的方式打开图像。如果源图像是JPG或PNG格式，这将涉及在处理开始之前将其完全解压缩到内存中（或者如果它们非常大，则解压缩到磁盘临时文件中）。

在此情况下，您只需要在编写结果时从上到下扫描输入图像，因此可以通过系统流式传输图像。将new_from_file更改为：

images = Dir["shots/*"].map { |i| Vips::Image.new_from_file(i,  :access => "sequential") }

为了表明您只会按顺序使用图像像素，并且您应该看到内存和CPU使用量的显着下降。

PNG是一种非常慢的格式，如果可能的话，我建议使用TIFF。

您可以尝试使用bandrank。它类似于对一组图像进行中值滤波：您提供一组图像，在每个像素位置上，它按像素值对图像进行排序并选择第N个图像。这是一种非常有效的方法来消除短暂的伪影。

您可以使用condition.ifthenelse(then, else)来计算更复杂的函数。例如，要将所有大于其局部平均值的像素设置为局部平均值，您可以编写以下代码：

(image > image.gaussblur(1)).ifthenelse(image.gaussblur(1), image)

你可能会好奇vips如何执行上面的程序。代码如下：

(images.reduce(:+) / images.length).cast("uchar")

将构建一个图像处理操作的管道：一系列vips_add()对数组求和，然后使用vips_linear()进行除法运算，最后使用vips_cast()将其转换回uchar。

当调用write_to_file时，您的计算机上的每个核心都将获得管道的副本，并排队处理来自解压器的源图像瓦片。每次完成一行输出瓦片时，后台线程将使用所选的图像写入库（在我的示例中为libtiff）将这些扫描线发送回磁盘。

您应该看到低内存使用和良好的CPU利用率。