M1 Mac运行OpenCV图像对齐代码报UnboundLocalError问题咨询

这个UnboundLocalError错误和M1芯片兼容性、Anaconda/OpenCV版本无关，问题出在IEMI函数的文件遍历逻辑：

• 不同操作系统的glob.glob()返回文件列表的排序规则不一致：Windows、树莓派系统中，同目录下带mask标识的文件会排在带ch6标识的文件前面，因此处理ch6文件时CFIgray已经完成赋值；
• macOS系统下glob返回的文件顺序由文件系统底层存储顺序决定，大概率会先遍历到ch6文件，此时CFIgray还没有被定义，就触发了变量未定义的报错。

方案1：修复现有遍历逻辑 #

调整IEMI函数的文件处理顺序，确保先加载当前目录下的mask文件得到CFIgray后，再处理ch6文件，修改后的代码如下：

def IEMI(imageformat, folder):
    path = glob.glob(folder+"/*/")#directory 
    path = (pd.Series(path) + imageformat).tolist()#find all files in a folder of the directory
    
    for i in path:
        fileList=glob.glob(i)
        # 先找当前目录的mask文件，优先处理得到CFIgray
        CFIgray = None
        # 第一步：先加载mask
        for filename in fileList:
            if filename.find('mask')!= -1:
                CFIimg = cv2.imread(filename)
                if CFIimg is None:
                    print(f"警告：无法读取mask文件{filename}，跳过当前目录")
                    continue
                CFIgray = cv2.cvtColor(CFIimg, cv2.COLOR_BGR2GRAY)
                break
        # 没有找到mask直接跳过当前目录
        if CFIgray is None:
            continue
        # 第二步：处理ch6文件
        for filename in fileList:
            fname = filename.rsplit(".", 1)[0]
            fname = fname.replace('ch7', '').replace('mask', '')
            if filename.find('ch6')!= -1:
                Img_Alignment(filename, CFIgray)
                Pch6 = cv2.imread(fname+"_aligned.jpg",cv2.IMREAD_ANYDEPTH)
                # 后续你的其他处理逻辑

方案2：更鲁棒的ORB特征匹配对齐替代方案 #

如果你觉得现有ECC对齐容易因为灰度差异、迭代收敛失败报错，可以替换为基于ORB特征匹配的对齐方法，鲁棒性更强：

def Img_Alignment_ORB(Image_for_alignment, Reference):
    # 读取待对齐图像
    img = cv2.imread(Image_for_alignment)
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    h, w = Reference.shape
    
    # 初始化ORB检测器
    orb = cv2.ORB_create(5000)
    kp1, des1 = orb.detectAndCompute(img_gray, None)
    kp2, des2 = orb.detectAndCompute(Reference, None)
    
    # 特征匹配
    matcher = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = matcher.match(des1, des2)
    matches = sorted(matches, key=lambda x:x.distance)[:int(len(matches)*0.1)] # 取前10%最优匹配
    
    # 提取匹配点
    pts1 = np.float32([kp1[m.queryIdx].pt for m in matches]).reshape(-1,1,2)
    pts2 = np.float32([kp2[m.trainIdx].pt for m in matches]).reshape(-1,1,2)
    
    # 计算变换矩阵
    warp_matrix, mask = cv2.findHomography(pts1, pts2, cv2.RANSAC, 5.0)
    # 对齐图像
    aligned = cv2.warpPerspective(img, warp_matrix, (w, h))
    
    Aimg=str(Image_for_alignment).replace('.png','')
    cv2.imwrite(Aimg+"_aligned.jpg",aligned)

• 建议给cv2.imread、cv2.findTransformECC这类容易失败的接口增加异常捕获逻辑，避免程序直接崩溃
• 保存对齐后的图像如果要保留16位精度，不要存为jpg格式，建议存为png或tiff格式，jpg默认是8位有损压缩。

内容的提问来源于stack exchange，提问作者ck24501