用 MulimgViewer 极简实践：五分钟做出一张论文级图像对比图

用 MulimgViewer 极简实践：五分钟做出一张论文级图像对比图

【免费下载链接】MulimgViewerMulimgViewer is a multi-image viewer that can open multiple images in one interface, which is convenient for image comparison and image stitching.项目地址: https://gitcode.com/gh_mirrors/mu/MulimgViewer

MulimgViewer 是一款能在同一界面内并行打开多张图片、支持任意位置划框放大与一键拼接保存的多图像浏览器，用它完成素材比对和论文插图生成，通常能把原本半小时的重复劳动压缩到几分钟。这篇实战指南不堆参数，而是带你完整走一遍"从选目录到导出对比图"的流程，途中你会自然认识它的核心操作与配置文件。

完成 MulimgViewer 环境配置的实操步骤

在动手之前，先花三分钟把环境准备好。项目是纯 Python 编写的 wxPython 桌面程序，依赖集中在根目录的requirements.txt里，核心就是wxPython、Pillow、numpy、imageio这几项；如果你还想体验它的视频模式，需要额外在系统里装好 FFmpeg。

把仓库克隆到本地（git clone https://gitcode.com/gh_mirrors/mu/MulimgViewer）后，执行依赖安装，然后直接运行入口文件MulimgViewer.py，或通过src/mulimgviewer/__main__.py启动。程序内部会读取configs/default_config.json作为默认参数，再叠加configs/userdef_config.json做个性化覆盖——比如默认的行列排布、放大框分辨率、标题字号，都在这两个文件里，改坏了大不了删掉 userdef 配置恢复出厂状态，可以放心折腾。

并行载入多文件夹素材的目录选择方法

启动后会先看到目录选择窗口（对应gui/path_select_gui.py）。对比场景最关键的一步在这里：不要只选一个文件夹，而是把需要对照的多组目录依次填入输入框。程序支持真正的"多文件夹并行"载入，每个目录的图像会按索引对齐并排显示；examples/input/下还提供了parallel_manual_ubuntu.txt、parallel_manual_win10.txt这类文件列表样例，批量场景可以直接引用文本清单。

（此处插入截图：多目录并行载入后的主界面，多组图片按行列对齐排列）

用鼠标划框与多框放大锁定细节差异的操作技巧

进入主界面后，图像会按你配置的行列数平铺显示，窗口切换来回找图的时代就结束了。想看细节？按住鼠标左键在任意位置拖拽即可划出放大框，放大结果会实时显示在旁边的预览区；若想同时比较多个局部，点击鼠标右键就能追加新的框，互不干扰。配合默认快捷键（CTRL+N下一张、CTRL+L上一张、CTRL+S保存、DELETE删除放大框），翻页和比对都停留在键盘上。这些按键映射同样定义在configs/default_config.json的hotkeys段中，可以按你的习惯改写。

给对比图加标题并一键拼接导出的出图流程

对比结束要落成产出时，MulimgViewer 提供了完整的"出图"链路：开启标题显示后，每张图会带上来源文件名甚至 EXIF 信息（如相机型号、光圈、快门，显示项由配置中的exif_display控制）；若想让多张图合成为一张，勾选OneImg模式并用NumPerimg控制每张合成图包含的图像数。拼接支持横向与纵向两种方向，放大框位置、间距、输出分辨率都能在配置中调——论文常用的"放大框固定在底部中间"排版，直接选择对应的框位置参数即可。保存时可一键输出，无需再进 PS 手工对齐。

（此处插入截图：带标题、带放大框的论文风格对比图成品）

批量挑选并保存对比图像的并行筛选玩法

除了静态浏览，MulimgViewer 还把"挑选"做成了批量操作。面对成百上千张待筛图像，可以开启Parallel自动/手动模式配合并行保存：勾选自动保存后，程序按当前排列把多张对比图一次性输出到指定目录；需要"搬走"而不是"复制"时，选中MoveFile选项即变成剪切操作。这样你就能像流水线一样快速扫完全部素材，只留下值得保留的对比结果，而不是手动一张张另存。

论文场景下的批量缩放：自动保存与分辨率锁定

一个容易被忽略的高频用法是批量 resize。操作链路很简洁：输入模式切到Sequential顺序模式并选定输入文件夹 → 指定输出目录 → 勾选自动保存AutoSaveAll→ 在TruthResolution里填上目标尺寸（比如256,256）→ 点击保存。配合多线程加载（src/mulimgviewer/src/main.py中的并发调度）与图像缓存，即使面对上万张图的数据集，批量缩放也接近匀速推进。

无需改代码即可叠加图像增强算法的扩展入口

在对比医学影像或低光照照片时，直接调用处理算法能省去外部工具的搬运。项目把可扩展算法集中在src/mulimgviewer/src/custom_func/，每个子目录就是一个独立算法包，内置高斯模糊、图像暗化、图像增强、直方图均衡化四类，统一由custom_func/main.py做入口调度。主界面勾选显示自定义功能后即可切换并实时预览效果，作为对比前的预处理非常顺手；想加入自己的算法，照着现有子目录的结构新建一个带main.py的文件夹即可，无需改动主程序。

下一步行动建议：从这 3 个小练习开始上手

看完流程，建议按下面三步快速建立手感：先拿两组照片做一次并行载入，体会多框放大和键盘翻页；再对着configs/default_config.json改一次行列数与放大框位置，理解每个参数对出图的影响；最后用Sequential模式完成一次批量 resize，验证自动保存链路。进阶玩法还可研究index_table.py提供的图像索引列表，或借助docs/下的开发指南理解 GUI 与回调逻辑的分离设计（界面用 wxFormBuilder 维护，回调集中在src/main.py）。把上述任一流程跑通，你就能把这套工具真正嵌进自己的图像工作流里。

【免费下载链接】MulimgViewerMulimgViewer is a multi-image viewer that can open multiple images in one interface, which is convenient for image comparison and image stitching.项目地址: https://gitcode.com/gh_mirrors/mu/MulimgViewer