基于Agisoft Python API的道路正射影像干扰抑制与清晰度提升问询

一、先从影像预处理下手 #

• 踢掉低质量照片：Agisoft会给每张照片打质量分，直接用API把评分低于0.6的影像删掉，避免拖后腿：

# 移除质量评分不足的影像
for photo in chunk.photos:
    if photo.quality < 0.6:
        chunk.remove(photo)

• 锁死相机校准参数：道路场景对齐时，固定焦距和主点能减少畸变带来的模糊，API里直接设置：

# 启用相机校准约束，提升道路区域对齐精度
chunk.camera_calibration.fixed_focal_length = True
chunk.camera_calibration.fixed_principal_point = True

二、正射生成参数针对性优化 #

• 调高分辨率+开鬼影过滤：缩小像素尺寸提升精细度，开启鬼影过滤能去掉移动车辆这类干扰，选Mosaic混合模式比平均混合更能保留道路细节：

# 生成高分辨率正射，参数根据实际勘测尺度调整
ortho = chunk.buildOrthomosaic(surface_data=chunk.elevation,
                               resolution=0.05,  # 单位：米/像素，数值越小越清晰
                               blending_mode=Metashape.BlendingMode.MosaicBlending,
                               fill_holes=True,
                               ghosting_filter=True)

• 给道路做专属蒙版：如果能通过DSM区分路面高程范围，生成蒙版后只精细处理道路区域，避免非道路区域的干扰影响：

# 基于DSM生成路面蒙版（替换成你项目的路面高程范围）
dsm = chunk.elevation
mask = Metashape.Mask()
for y in range(dsm.height):
    for x in range(dsm.width):
        z = dsm.value(x, y)
        if 100 < z < 105:  # 这里改成你实际的路面高程区间
            mask.setPixel(x, y, 255)
# 用蒙版生成正射
ortho = chunk.buildOrthomosaic(surface_data=chunk.elevation,
                               mask=mask,
                               resolution=0.05,
                               blending_mode=Metashape.BlendingMode.MosaicBlending)

三、后处理API强化道路特征 #

• 调对比度+锐化：直接用内置的颜色调整和锐化工具，拉高开道路区域的对比度，让标线、裂缝这些细节更明显：

# 调整正射影像色彩参数
ortho.adjustColors(gamma=1.2, contrast=1.3, saturation=1.1)
# 应用锐化，参数按需调整
ortho.sharpen(radius=1.0, amount=1.5)

• 修补小干扰：道路上的小杂物、坑洞可以用填充孔洞工具自动修复，设置合适的最大尺寸就行：

# 修复正射里小于10像素的瑕疵/干扰
ortho.fillHoles(max_size=10)

四、几个实用的最佳实践 #

• 检查影像重叠度：道路勘测要求航向重叠80%以上、旁向60%以上，用API扫一遍，把重叠不够的影像补拍或者删掉：

# 检查影像对的重叠度
for pair in chunk.pairs:
    if pair.overlap < 0.6:
        print(f"注意：{pair.photo1.label} 和 {pair.photo2.label} 重叠度不足60%")

• 长道路分块生成：太长的道路别一次性生成正射，拆成小块分别处理再拼接，能避免全局模糊：

# 示例：按X轴拆分区域生成子正射
region = chunk.region
# 创建第一个子区域
sub_region1 = Metashape.Region()
sub_region1.center = (region.center.x - region.size.x/4, region.center.y, region.center.z)
sub_region1.size = (region.size.x/2, region.size.y, region.size.z)
chunk.region = sub_region1
# 生成子区域正射
ortho1 = chunk.buildOrthomosaic(surface_data=chunk.elevation, resolution=0.05)

• 验证边缘特征：结合OpenCV提取道路边缘，对比原始影像确认细节还原度：

import cv2
# 从正射影像提取边缘
ortho_img = ortho.image()
gray = cv2.cvtColor(ortho_img, cv2.COLOR_RGB2GRAY)
edges = cv2.Canny(gray, 50, 150)
# 保存边缘图用于校验
cv2.imwrite("road_edges.png", edges)

内容的提问来源于stack exchange，提问作者PRAJAKTA