#python anaconda
前言
历时四天，终于跟学成功复现UMF-CMGR项目。在此，感谢原作者开源了源代码，官网源码地址为Github，从作者的论文和源码中学到了很多，感谢原作者。另外还要感谢博主视觉研坊的博客教学，让我较为快速的复现UMF-CMGR项目。建议想复现项目的同学先去学习博主的文章多模态图像配准融合，我这个只能算作补丁版本。。
一、UMF-CMGR框架
首先，如果是看UMF-CMGR开源项目中的Readme的同学可能会有点疑惑，怎么在项目中还有个子项目CPSTN。
我先来大致介绍一下，主框架：图像准备（一定要是256*256大小）——生成扭曲变形图——配准——融合。副框架：运行CPSTNR——得到自己的伪红外图像。副框架参与主框架的配准、融合过程。
二、环境准备
1.Anaconda
这个我就不多赘述，需要的自行去博客里搜索下载。
2.环境配置
这是Github中列出的环境配置。笔者的电脑为win10系统，显卡是3050.pytorch-2.1.0 CUDA11.8
下面列出我的环境中下载的包 。
# Name Version Build Channel
appdirs 1.4.4 pyh9f0ad1d_0 conda-forge
beautifulsoup4 4.12.3 pyha770c72_0 conda-forge
beniget 0.4.1 pyhd3eb1b0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
blas 1.0 mkl
brotli 1.0.9 h827c3e9_9 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
brotli-bin 1.0.9 h827c3e9_9 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
brotli-python 1.0.9 py38hd77b12b_8
build 0.10.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
ca-certificates 2025.2.25 haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
certifi 2024.8.30 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
charset-normalizer 3.3.2 pyhd3eb1b0_0
clang 14.0.6 haa95532_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
clang-14 14.0.6 default_h120b48b_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
clangxx 14.0.6 default_h120b48b_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
click 8.1.7 win_pyh7428d3b_0 conda-forge
cloudpickle 3.0.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
colorama 0.4.6 pyhd8ed1ab_0 conda-forge
contourpy 1.0.5 py38h59b6b97_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
cuda-cccl 12.8.90 0 nvidia
cuda-cccl_win-64 12.8.90 0 nvidia
cuda-cudart 11.8.89 0 nvidia
cuda-cudart-dev 11.8.89 0 nvidia
cuda-cupti 11.8.87 0 nvidia
cuda-libraries 11.8.0 0 nvidia
cuda-libraries-dev 11.8.0 0 nvidia
cuda-nvrtc 11.8.89 0 nvidia
cuda-nvrtc-dev 11.8.89 0 nvidia
cuda-nvtx 11.8.86 0 nvidia
cuda-profiler-api 12.8.90 0 nvidia
cuda-runtime 11.8.0 0 nvidia
cuda-version 12.8 3 nvidia
cycler 0.11.0 pyhd3eb1b0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
cython 3.0.11 pyh02c11ea_103 conda-forge
cytoolz 0.12.2 py38h2bbff1b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
dask-core 2023.4.1 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
docker-pycreds 0.4.0 py_0 conda-forge
dominate 2.9.1 pyhd8ed1ab_0 conda-forge
enum34 1.1.10 py38h32f6830_2 conda-forge
filelock 3.13.1 py38haa95532_0
fonttools 4.51.0 py38h2bbff1b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
freetype 2.12.1 ha860e81_0
fsspec 2025.3.0 pypi_0 pypi
gast 0.5.3 pyhd3eb1b0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
gitdb 4.0.7 pyhd3eb1b0_0
gitpython 3.1.41 pyhd8ed1ab_0 conda-forge
icu 73.1 h6c2663c_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
idna 3.7 py38haa95532_0
imagecodecs-lite 2019.12.3 py38hbaf524b_6 conda-forge
imageio 2.27.0 pyh24c5eb1_0 conda-forge
importlib-metadata 8.5.0 pyha770c72_0 conda-forge
importlib_resources 6.4.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
intel-openmp 2023.1.0 h59b6b97_46320
jinja2 3.1.4 py38haa95532_0
jpeg 9e h827c3e9_3
jsonpatch 1.33 pyhd8ed1ab_0 conda-forge
jsonpointer 3.0.0 py38haa244fe_0 conda-forge
kiwisolver 1.4.4 py38hd77b12b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
kornia 0.5.10 pypi_0 pypi
krb5 1.20.1 h5b6d351_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
lazy-loader 0.4 pyhd8ed1ab_1 conda-forge
lcms2 2.16 hb4a4139_0
lerc 4.0.0 h5da7b33_0
libblas 3.9.0 26_win64_mkl conda-forge
libbrotlicommon 1.0.9 h827c3e9_9 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libbrotlidec 1.0.9 h827c3e9_9 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libbrotlienc 1.0.9 h827c3e9_9 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libcblas 3.9.0 26_win64_mkl conda-forge
libclang 14.0.6 default_hb5a9fac_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libclang-cpp 14.0.6 default_h120b48b_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libclang13 14.0.6 default_h8e68704_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libcublas 11.11.3.6 0 nvidia
libcublas-dev 11.11.3.6 0 nvidia
libcufft 10.9.0.58 0 nvidia
libcufft-dev 10.9.0.58 0 nvidia
libcurand 10.3.9.90 0 nvidia
libcurand-dev 10.3.9.90 0 nvidia
libcusolver 11.4.1.48 0 nvidia
libcusolver-dev 11.4.1.48 0 nvidia
libcusparse 11.7.5.86 0 nvidia
libcusparse-dev 11.7.5.86 0 nvidia
libdeflate 1.22 h5bf469e_0
libffi 3.4.4 hd77b12b_1
libjpeg-turbo 2.0.0 h196d8e1_0
liblapack 3.9.0 26_win64_mkl conda-forge
libnpp 11.8.0.86 0 nvidia
libnpp-dev 11.8.0.86 0 nvidia
libnvjpeg 11.9.0.86 0 nvidia
libnvjpeg-dev 11.9.0.86 0 nvidia
libpng 1.6.39 h8cc25b3_0
libpq 17.4 h70ee33d_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
libprotobuf 3.20.3 h23ce68f_0
libtiff 4.5.1 h44ae7cf_1
libuv 1.48.0 h827c3e9_0
libwebp-base 1.3.2 h3d04722_1
locket 1.0.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
lz4-c 1.9.4 h2bbff1b_1
m2w64-gcc-libgfortran 5.3.0 6 conda-forge
m2w64-gcc-libs 5.3.0 7 conda-forge
m2w64-gcc-libs-core 5.3.0 7 conda-forge
m2w64-gmp 6.1.0 2 conda-forge
m2w64-libwinpthread-git 5.0.0.4634.697f757 2 conda-forge
markupsafe 2.1.3 py38h2bbff1b_0
matplotlib 3.7.2 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
matplotlib-base 3.7.2 py38h4ed8f06_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
mkl 2023.1.0 h6b88ed4_46358
mkl-service 2.4.0 py38h2bbff1b_1
mkl_fft 1.3.8 py38h2bbff1b_0
mkl_random 1.2.4 py38h59b6b97_0
mpmath 1.3.0 py38haa95532_0
msys2-conda-epoch 20160418 1 conda-forge
networkx 2.8.8 pyhd8ed1ab_0 conda-forge
ninja 1.12.1 haa95532_0
ninja-base 1.12.1 h4157e71_0
numpy 1.24.3 py38h79a8e48_1
numpy-base 1.24.3 py38h8a87ada_1
opencv-python 3.4.10.35 pypi_0 pypi
openjpeg 2.5.2 hae555c5_0
openssl 3.0.16 h3f729d1_0
packaging 24.2 pyhd8ed1ab_2 conda-forge
partd 1.4.1 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pathlib 1.0.1 py38haa244fe_7 conda-forge
pillow 10.4.0 py38h827c3e9_0
pip 24.2 py38haa95532_0
platformdirs 4.3.6 pyhd8ed1ab_0 conda-forge
ply 3.11 py38_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pooch 1.8.2 pyhd8ed1ab_0 conda-forge
protobuf 3.20.3 py38haa244fe_1 conda-forge
psutil 5.9.0 py38h2bbff1b_0
pyparsing 3.0.9 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pyproject_hooks 1.0.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pyqt 5.15.10 py38hd77b12b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pyqt5-sip 12.13.0 py38h2bbff1b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pysocks 1.7.1 py38haa95532_0
python 3.8.20 h8205438_0
python-dateutil 2.9.0post0 py38haa95532_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
python_abi 3.8 2_cp38 conda-forge
pythran 0.15.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pytorch 2.1.0 py3.8_cuda11.8_cudnn8_0 pytorch
pytorch-cuda 11.8 h24eeafa_6 pytorch
pytorch-mutex 1.0 cuda pytorch
pywavelets 1.4.1 py38h2bbff1b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pyyaml 6.0.2 py38h827c3e9_0
qt-main 5.15.2 h19c9488_12 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
requests 2.32.3 py38haa95532_0
scikit-image 0.19.3 py38hd77b12b_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
scipy 1.10.1 py38h1aea9ed_0 conda-forge
sentry-sdk 2.19.2 pyhd8ed1ab_0 conda-forge
setproctitle 1.2.2 py38h2bbff1b_1004
setuptools 75.1.0 py38haa95532_0
sip 6.7.12 py38hd77b12b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
six 1.16.0 pyh6c4a22f_0 conda-forge
smmap 6.0.0 pyhd8ed1ab_1 conda-forge
soupsieve 2.5 pyhd8ed1ab_1 conda-forge
spin 0.3 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
sqlite 3.45.3 h2bbff1b_0
sympy 1.11.1 py38haa95532_0
tbb 2021.8.0 h59b6b97_0
tifffile 2019.7.26.2 py38_0 conda-forge
toml 0.10.2 pyhd3eb1b0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
tomli 2.0.1 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
toolz 0.12.0 py38haa95532_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
torchaudio 2.1.0 pypi_0 pypi
torchvision 0.16.0 pypi_0 pypi
tornado 6.2 py38h91455d4_1 conda-forge
tqdm 4.67.1 pyhd8ed1ab_0 conda-forge
typing_extensions 4.11.0 py38haa95532_0
ucrt 10.0.22621.0 h57928b3_1 conda-forge
unicodedata2 15.1.0 py38h2bbff1b_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
urllib3 2.2.3 py38haa95532_0
vc 14.42 haa95532_4
visdom 0.2.4 pyhd8ed1ab_0 conda-forge
vs2015_runtime 14.42.34433 he0abc0d_4
wandb 0.16.6 pyhd8ed1ab_1 conda-forge
websocket-client 1.8.0 pyhd8ed1ab_0 conda-forge
wheel 0.44.0 py38haa95532_0
win_inet_pton 1.1.0 py38haa95532_0
xsimd 12.1.1 h59b6b97_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
xz 5.6.4 h4754444_1
yaml 0.2.5 he774522_0
zipp 3.21.0 pyhd8ed1ab_0 conda-forge
zlib 1.2.13 h8cc25b3_1
zstd 1.5.6 h8880b57_0笔者记得在下载scikit-image时耗费了许多时间，后来上官网查询才知道下载这个包还需要提前先下载好其它的包. 在下载kornia时需要合适的版本。
3.在pycharm中使用conda类型环境
第一步 使用pycharm打开UMF-CMGR-main后，请看这篇文章pycharm终端设置
第二步 请看这篇文章 pycharm中选择创建的虚拟环境
三 、运行脚本
这一步照着视觉工坊的博客学就行 。提示：脚本中的有些代码是由问题的，当运行发现报错后可以通过AI来进行修正，因为每个人的情况会不一样。这个就依靠自己来解决问题。
这是图片的重命名代码
import os
import shutil
class BatchRename():
'''
批量重命名文件夹中的图片文件
'''
def __init__(self):
self.path = r'E:\Project\UMF-CMGR-main\CPSTN\datasets\Calibration_plate\fake_ir_01\rgb2ir_paired_Road_edge_pretrained\test_latest\images' #表示需要命名处理的文件夹
self.save_path=r'E:\Project\UMF-CMGR-main\dataset\raw\ctest\fake_Road\fake_ir_rename'#保存重命名后的图片地址
def rename(self):
filelist = os.listdir(self.path) #获取文件路径
# filelist.sort(key=lambda x: int(x.split('.')[0])) # 先按照名称顺序排好序
filelist.sort(key=lambda x: int(x.split('_')[1].split('.')[0])) # 先按照名称顺序排好序
total_num = len(filelist) #获取文件长度（个数）
i = 1 #表示文件的命名是从1开始的
for item in filelist:
print(item)
if item.endswith('.png'): #初始的图片的格式为jpg格式的（或者源文件是png格式及其他格式，后面的转换格式就可以调整为自己需要的格式即可）
src = os.path.join(os.path.abspath(self.path), item)#当前文件中图片的地址
dst = os.path.join(os.path.abspath(self.save_path), 'FLIR_'+str(i).zfill(5) + '.jpg')#处理后文件的地址和名称,可以自己按照自己的要求改进
try:
#os.rename(src, dst)
shutil.copy(src, dst)
print ('converting %s to %s ...' % (src, dst))
i = i + 1
except:
continue
print ('total %d to rename & converted %d jpgs' % (total_num, i))
if __name__ == '__main__':
demo = BatchRename()
demo.rename()这是更改图片大小的代码
from PIL import Image
import os
def resize_images(input_folder, output_folder):
# 检查输出文件夹是否存在，如果不存在则创建
if not os.path.exists(output_folder):
os.makedirs(output_folder)
# 遍历输入文件夹中的所有文件
for filename in os.listdir(input_folder):
file_path = os.path.join(input_folder, filename)
# 检查是否为图像文件
if os.path.isfile(file_path) and filename.lower().endswith(('.png', '.jpg', '.jpeg')):
try:
# 打开图像
image = Image.open(file_path)
# 调整图像大小为 256x256
resized_image = image.resize((256, 256), Image.LANCZOS)
# 构建输出文件路径
output_path = os.path.join(output_folder, filename)
# 保存调整后的图像
resized_image.save(output_path)
print(f"已处理 {filename}")
except Exception as e:
print(f"处理 {filename} 时出错: {e}")最后，关于视觉工坊博主提到的配置参数，可以根据自己的伪红外图像、红外图像、可见光图像的路径不同进行更改。例如我的
--dataroot
E:\Project\UMF-CMGR-main\dataset\raw\ctest\Road\vi
--name
rgb2ir_paired_Road_edge_pretrained
--model
test
--no_dropout
--preprocess
none
--results_dir
E:\Project\UMF-CMGR-main\CPSTN\datasets\Calibration_plate\fake_ir_01
--checkpoints_dir
E:\Project\UMF-CMGR-main\CPSTN\checkpoints
补充， 配置参数在这儿输入
总结
笔者第一次写博客，如有不足请宽恕。
主要还是跟着视觉工坊博主进行复现，我这个算补丁。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
