需求：
1、将鱼眼全景图 转换为three.js 可加载的六面立方体图片
资料查阅：
1、目前就找到这个地方有、可能是为父搜索的姿势不对 -->前往
2、图片包含内容
使用到的 python 库：
1、numpy ---太大，这里用于处理图像矩阵变形，计算。 2、cv2 -- 太大， 只用到了 图像映射（将原始图像映射到变形后的矩阵。） 3、PIL --图片处理库，用于图片读写、储存、 矩阵转图片 4、
过程：
1、当然是先看别人写好的案例了。（自己去看，反正我是看不懂。见识浅薄）
大概解释一下我能看懂的部分吧。
1）获取到图片信息-》
2）将图片转为矩阵-》
3）把矩阵重新计算变为一张包含六个面的图片（这个东东也就只能看懂一丢丢，但是管他呢，能用就行）-》
4）将原始图片按照这个处理好的矩阵进行映射-》
5）图像保存------》》》》
6）图像裁剪成为六张独立的图（可以不考虑）
图片处理：
import cv2
import numpy
from numpy import pi
from PIL import Image
import sys
import os.path
import zipfile
# Convert using an inverse transformation
def generate_mapping_data(image_width):
in_size = [image_width, int(image_width * 3 / 4)] #图像宽度数组、[总长、剪掉一条边后的总长]
edge = in_size[0] / 4 # The length of each edge in pixels 总长1/4
# Create our numpy arrays
out_pix = numpy.zeros((in_size[1], in_size[0], 2), dtype="f4") #用于记录 球体切割成功后的数组记录
# 生成2维空数组 【(图像剩余宽度、图像宽度、2维数组),参数类型=f4】 -------预测是为后期处理像素坐标点
xyz = numpy.zeros((int(in_size[1] * in_size[0] / 2), 3), dtype="f4") #记录像素点的初始值
# 生成3维空数组【图像剩余宽度 * 图片宽度 / 2，3维数组】，参数类型 = f4
vals = numpy.zeros((int(in_size[1] * in_size[0] / 2), 3), dtype="i4") # 做球体转换用的矩阵
# 生成3维空数组【图像剩余宽度 * 图片宽度 / 2，3维数组】，参数类型 = f4
# Much faster to use an arange when we assign to to vals
start, end = 0, 0 # 创建两个初始值
rng_1 = numpy.arange(0, edge * 3) # 创建连续元素（列表）0~ 单个边长 * 3
rng_2 = numpy.arange(edge, edge * 2) # 创建连续元素（列表）单个边长~ 单个边长 * 2
for i in range(in_size[0]): # 循环总长度 ，记录像素不同点的信息
# 0: back
# 1: left
# 2: front
# 3: right
face = int(i / edge) #当前循环长度 / (1/4)总长
rng = rng_1 if face == 2 else rng_2 #当整除等于2 时，位置= 单边长度~总长的一半？ || 其他时候、 位置= 0~总长(1/3)
# print(face)
end += len(rng) # 结束值 += 当前位置列表的长度
vals[start:end, 0] = rng #
vals[start:end, 1] = i #
vals[start:end, 2] = face #
start = end
# Top/bottom are special conditions
j, i, face = vals.T # 矩阵转置
face[j < edge] = 4 # top ??? 这个没理解
face[j >= 2 * edge] = 5 # bottom ??? 这个没理解
# Convert to image xyz
a = 2.0 * i / edge #
b = 2.0 * j / edge
one_arr = numpy.ones(len(a)) # 创建元素组，元素填充值为1， 长度为a的长度
for k in range(6): # 获取六面体的像素信息
face_idx = face == k #数组元素取值 face 矩阵内 值等于k的数组
# Using the face_idx version of each is 50% quicker
one_arr_idx = one_arr[face_idx] # 取值 one_arr数组内 face == k 的值
a_idx = a[face_idx] # 取值 a 数组内 face == k 的值
b_idx = b[face_idx] # 取值 b 数组内 face == k 的值
if k == 0:
vals_to_use = [-one_arr_idx, 1 - a_idx, 3 - b_idx] # [x=负one_arr_idx的值》？,y=1.0 - a_idx的值？,z = 3.0-b_idx的值？]
elif k == 1:
vals_to_use = [a_idx - 3, -one_arr_idx, 3 - b_idx]
elif k == 2:
vals_to_use = [one_arr_idx, a_idx - 5, 3 - b_idx]
elif k == 3:
vals_to_use = [7 - a_idx, one_arr_idx, 3- b_idx]
elif k == 4:
vals_to_use = [b_idx - 1, a_idx - 5, one_arr_idx]
elif k == 5:
vals_to_use = [5 - b_idx, a_idx - 5, -one_arr_idx]
print(vals_to_use[0],len(vals_to_use[0]))
xyz[face_idx] = numpy.array(vals_to_use).T #矩阵生成并转置
# cubemap = cv2.remap(numpy.array(imgIn), map_x_32, map_y_32, cv2.INTER_NEAREST) # 图片重新映射，以计算好的矩阵为参数
# imgOut = Image.fromarray(cubemap)
# imgOut.save('E:\\新联国际\\地产项目\\python_jb\\Bath3.jpg'.split('.')[0]+"_out.png")
# imgOut.show()
# Convert to theta and pi
x, y, z = xyz.T # 矩阵转置
theta = numpy.arctan2(y, x) # 元素所在象限？
r = numpy.sqrt(x**2 + y**2) # 矩阵元素的平方根，开方
phi = numpy.arctan2(z, r) # 计算象限？
# Source img coords # 原图坐标？
uf = (2.0 * edge * (theta + pi) / pi) % in_size[0]
# (2.0*图片4等分长度*())???
uf[uf==in_size[0]] = 0.0 # Wrap to pixel 0 (much faster than modulus)
vf = (2.0 * edge * (pi / 2 - phi) / pi)
# Mapping matrix
out_pix[j, i, 0] = vf
out_pix[j, i, 1] = uf
map_x_32 = out_pix[:, :, 1]
map_y_32 = out_pix[:, :, 0]
return map_x_32, map_y_32
imgIn = Image.open('E:\\新联国际\\地产项目\\python_jb\\Bath3.jpg')
inSize = imgIn.size
map_x_32, map_y_32 = generate_mapping_data(inSize[0])
cubemap = cv2.remap(numpy.array(imgIn), map_x_32, map_y_32, cv2.INTER_NEAREST) # 图片重新映射，以计算好的矩阵为参数
imgOut = Image.fromarray(cubemap)
# imgOut.save('E:\\新联国际\\地产项目\\python_jb\\Bath3.jpg'.split('.')[0]+"_out.png")
imgOut.show()
View Code
图片裁剪：
infile = 'E:\\新联国际\\地产项目\\python_jb\\Bath3.jpg'
filename, original_extension = os.path.splitext(infile)
file_extension = ".png"
#
name_map = [ \
["", "", "posy", ""],
["negz", "negx", "posz", "posx"],
["", "", "negy", ""]]
try:
im = imgOut
print(infile, im.format, "%dx%d" % im.size, im.mode)
width, height = im.size
cube_size = width / 4
filelist = []
for row in range(3):
for col in range(4):
if name_map[row][col] != "":
sx = cube_size * col
sy = cube_size * row
fn = name_map[row][col] + file_extension
filelist.append(fn)
print("%s --> %s" % (str((sx, sy, sx + cube_size, sy + cube_size)), fn))
im.crop((sx, sy, sx + cube_size, sy + cube_size)).save(fn)
zfname = filename + '.zip'
print("Creating zipfile: " + zfname)
zf = zipfile.ZipFile(zfname, mode='w')
try:
for fn in filelist:
zf.write(fn)
print("done")
finally:
zf.close()
except IOError:
pass
View Code
这都是在上面的那个论坛上面别人写的，我复制的。
我这边的话，会直接存为单个文件，所以就不用重新在裁剪一次了。
速度的话，还算客可观、毕竟一张图片的大小决定了计算的效率。
标签：map,idx,裁剪,face,vals,全景图,numpy,python3,size From： https://www.cnblogs.com/yc-c/p/14797155.html