简介：这是一套面向图形处理爱好者与三维立体画创作者的三维立体画生成工具，适合希望快速上手立体图制作、又不想依赖昂贵商业软件的用户。软件在真实三维场景中以“照相”方式生成作品，内部采用双深度缓存技术，3D信息全面且左右对称，并支持3ds、obj、objf等主流模型格式，开放性与可扩展性较强。压缩包共148个文件，包含28个bmp贴图、20个3ds模型、16个cpp与20个h源码、11个jpg预览图及若干dsp、dsw工程文件、exe可执行程序与rc资源脚本，整体结构完整，便于研究算法与二次开发。凭借无缝纹理贴接与过取样算法，输出图像平滑无锯齿，质量可与出版物媲美，且算法高度优化、耗时极短。目前已有3950人学习下载，适合想掌握立体画生成原理、参考源码实现或直接用于艺术创作的读者。

1. 三维立体画生成器：把一张普通灰度图变成能“看进去”的立体画

你可能见过那种盯着看十几秒、突然画面里浮出一个立体形状的图，眼睛一放松，平面里就“钻”出一个球体或者一只蝴蝶。这类图叫三维立体画，学名是随机点立体图或自动立体图。它不靠红蓝眼镜，也不靠 VR 头显，靠的是双眼视差——左右眼看到的两幅图案有细微水平位移，大脑自己合成深度。这个项目就是一个三维立体画生成器，输入一张灰度深度图，输出一张能“看进去”的立体画。它适合想玩图形处理、想理解视差编码、或者想给项目加个视觉彩蛋的开发者。核心逻辑不复杂，但细节全是坑，下面按“能干什么 → 怎么跑 → 怎么改”拆开讲。

2. 核心原理与项目结构：深度图怎么变成视差偏移

2.1 从深度到视差：一张灰度图的像素值到底代表什么

三维立体画生成器的输入通常是一张灰度图，像素越亮表示物体越近，越暗表示越远。生成器要做的事，是把这张深度图转换成水平方向的像素位移。位移量由深度值乘以一个视差系数决定，深度值越大，左右眼看到的对应点水平距离越远，大脑感知到的物体就越突出。

常见做法是：先确定一个最大视差范围，比如 40 像素，然后把 0 到 255 的灰度线性映射到 0 到 40 的位移量。这里有个容易翻车的地方——位移方向。如果左右眼位移方向搞反，立体感会变成“凹进去”，看起来像挖了个洞。我一般会在代码里留一个invert_depth开关，方便快速切换验证。

import numpy as np def depth_to_disparity(depth_map, max_shift=40, invert=False): """ 将灰度深度图转换为视差图 depth_map: 二维数组，值域 0-255，越亮越近 max_shift: 最大水平位移像素数 invert: 是否反转深度方向 """ depth = depth_map.astype(np.float32) / 255.0 if invert: depth = 1.0 - depth # 线性映射到 [0, max_shift] disparity = (depth * max_shift).astype(np.int32) return disparity

这段代码里max_shift控制立体感的强弱，值太大画面会撕裂，值太小立体感不明显。一般 30 到 50 之间比较稳妥。invert参数用来处理深度图方向不一致的情况，有些深度图是越暗越近，这时候就得反转。

2.2 项目目录结构：一个最小可跑通的模块划分

这个项目没有复杂的框架依赖，核心就是一个 Python 脚本加几个辅助模块。我拆过的版本里，比较合理的目录结构是这样：

stereogram-generator/ ├── main.py # 命令行入口，解析参数 ├── generator.py # 核心生成逻辑 ├── depth_loader.py # 深度图加载与预处理 ├── pattern.py # 背景纹理生成 ├── utils.py # 工具函数，比如保存、预览 └── requirements.txt # 依赖清单

main.py负责接收用户输入的深度图路径、输出路径、最大视差等参数。generator.py是核心，实现从深度图到立体画的完整算法。depth_loader.py处理图片读取、缩放、灰度化。pattern.py生成背景纹理，因为立体画需要一张可重复的图案作为底图，纯随机噪声或者规则纹理都行。utils.py放一些保存图片、打印进度的小函数。

这种拆分的好处是，你想换背景纹理只改pattern.py，想调视差算法只改generator.py，不会牵一发动全身。对于二次开发来说，模块边界清晰比代码短更重要。

2.3 背景纹理生成：为什么不能用纯白底

立体画的背景纹理必须是有一定随机性的图案，不能是纯色。因为纯色区域左右眼位移后还是纯色，大脑找不到对应点，立体感就出不来。常见做法是用随机噪声，但纯随机噪声看起来太“雪花”，观感不好。我一般会用随机点加轻微模糊，或者用重复的几何图案。

import numpy as np from PIL import Image, ImageFilter def generate_pattern(width, height, seed=42): """ 生成用于立体画的背景纹理 width, height: 输出尺寸 seed: 随机种子，保证可复现 """ rng = np.random.default_rng(seed) # 生成随机灰度噪声 noise = rng.integers(0, 256, (height, width), dtype=np.uint8) img = Image.fromarray(noise, mode='L') # 轻微模糊，让噪点不那么刺眼 img = img.filter(ImageFilter.GaussianBlur(radius=0.5)) return np.array(img)

seed参数很重要，固定种子后每次生成的纹理一样，方便调试和对比。GaussianBlur的半径不要太大，0.5 到 1 之间就行，模糊过头会丢失高频信息，影响立体感。

3. 生成算法拆解：逐像素位移与重复纹理填充

3.1 核心循环：从左到右逐列填充

立体画的生成算法本质上是：对于输出图像的每一行，从左到右逐列填充像素。每个像素的值来自它左边某个位置的像素，具体左边多少由该位置的视差决定。这样做的结果是，同一行里会形成一段段重复的纹理，重复的间隔就是视差量。

def generate_stereogram(depth_map, pattern, max_shift=40): """ 生成三维立体画 depth_map: 二维深度图 pattern: 背景纹理，与输出同尺寸 max_shift: 最大视差 """ h, w = depth_map.shape disparity = depth_to_disparity(depth_map, max_shift) output = np.zeros((h, w), dtype=np.uint8) for y in range(h): # 每行独立处理 for x in range(w): shift = disparity[y, x] if x < shift: # 左侧区域直接用纹理填充 output[y, x] = pattern[y, x] else: # 从左边 shift 个像素处复制 output[y, x] = output[y, x - shift] return output

这段代码是核心中的核心。shift就是当前像素的视差量，output[y, x - shift]表示从左边复制像素。注意这里用的是output而不是pattern，因为复制是链式的——当前像素可能来自更左边的像素，而那个像素又来自更更左边。这种链式复制保证了同一行内纹理的连续性。

有个细节：当x < shift时，左边没有足够的像素可复制，直接用原始纹理填充。这部分区域通常在最左侧，宽度等于最大视差，看起来会有点“平”，但一般不影响整体观感。

3.2 性能优化：从 Python 循环到 NumPy 向量化

上面的双重循环在图片稍大时就会慢得让人想砸键盘。一张 800x600 的图，Python 循环要跑 48 万次，每次还有数组索引和条件判断，实测下来十几秒都算快的。我一般会用 NumPy 做向量化，把逐像素操作改成逐行操作。

def generate_stereogram_fast(depth_map, pattern, max_shift=40): """ 向量化版本，按行处理，速度提升明显 """ h, w = depth_map.shape disparity = depth_to_disparity(depth_map, max_shift) output = pattern.copy() for y in range(h): row_out = output[y] row_disp = disparity[y] for x in range(max_shift, w): shift = row_disp[x] if shift > 0: row_out[x] = row_out[x - shift] return output

这个版本还是有一层行循环，但内层已经简化了很多。如果还想更快，可以用 Numba 的@jit装饰器，或者用 Cython 编译。不过对于一般用途，这个速度已经能接受了。实测 800x600 的图大概一两秒出结果。

提示：如果追求极致速度，可以把整张图展平成一维数组，用累积索引的方式一次性计算所有像素的来源位置。但那样代码可读性会下降，建议先用可读版本跑通，再按需优化。

3.3 输出与预览：怎么保存和验证结果

生成完立体画后，保存成 PNG 格式最稳妥，因为 JPEG 的有损压缩会破坏像素级的位移关系，导致立体感消失。保存时用无损压缩，别用默认的 JPEG 质量参数。

from PIL import Image def save_stereogram(output_array, path): """ 保存立体画，必须用无损格式 """ img = Image.fromarray(output_array, mode='L') img.save(path, format='PNG', optimize=True) print(f"已保存到 {path}，尺寸 {img.size}")

验证结果是否正确的办法很简单：把图片放大到 100%，盯着看，或者用“斗鸡眼”法——把视线焦点放在屏幕前方或后方，让左右眼分别对准相邻的重复纹理。如果能看到立体形状，说明生成成功。如果看不出，先检查深度图方向是否反了，再检查max_shift是否太小。

4. 避坑与常见问题：那些让我熬夜的玄学 bug

4.1 立体感反了：深度图方向搞反的典型症状

现象：生成的立体画能看出重复纹理，但立体形状是凹进去的，像被挖了个坑。原因：深度图的方向和算法假设不一致。有些深度图越亮越远，有些越亮越近。解决：在depth_to_disparity里加invert参数，或者直接把深度图取反后再传入。我一般会在命令行加一个--invert开关，方便快速切换。

4.2 画面撕裂：视差超过纹理重复周期

现象：立体画某些区域出现明显的断裂或错位，像被撕开一样。原因：max_shift设得太大，超过了背景纹理的重复周期，导致复制链断裂。解决：把max_shift降到纹理重复周期的三分之一以内。如果纹理是随机噪声，重复周期可以认为是无穷大，但实际受限于图像宽度，一般max_shift不超过图像宽度的十分之一比较安全。

4.3 立体感太弱：深度图对比度不足

现象：能看出重复纹理，但立体形状不明显，像隔了一层雾。原因：深度图的灰度范围太窄，比如大部分像素集中在 100 到 150 之间，映射到视差后只有几个像素的位移。解决：先对深度图做直方图均衡化，把灰度拉伸到 0 到 255 全范围。用 OpenCV 的equalizeHist或者手动做线性拉伸都行。

def normalize_depth(depth_map): """ 将深度图灰度拉伸到全范围 """ dmin, dmax = depth_map.min(), depth_map.max() if dmax - dmin < 1e-6: return depth_map return ((depth_map - dmin) / (dmax - dmin) * 255).astype(np.uint8)

4.4 保存后立体感消失：JPEG 压缩的锅

现象：在代码里预览时立体感正常，保存成文件后再打开就看不出立体了。原因：保存成了 JPEG 格式，有损压缩改变了像素值，破坏了左右眼的对应关系。解决：一律保存为 PNG 或 BMP 等无损格式。如果必须用 JPEG，质量参数拉到 100，但仍有风险，不推荐。

4.5 大图内存溢出：一次性加载整张图

现象：处理 4K 以上图片时程序崩溃，报内存不足。原因：深度图、纹理、输出图都是全尺寸数组，三份叠加加上中间变量，内存占用是图片大小的好几倍。解决：分块处理，把图片切成条带，逐条生成后拼接。或者先把图片缩放到合理尺寸，比如宽度不超过 2000 像素，再生成。

5. 二次开发与改造：从能跑到好用

5.1 换背景纹理：从随机噪声到自定义图案

默认的随机噪声纹理看起来比较“糙”，如果你想生成更美观的立体画，可以把pattern.py里的纹理生成换成自定义图案。比如用一张平铺的几何纹理、一张星空图、甚至一张公司 Logo 的重复排列。关键要求是图案要有足够的高频细节，纯色块和渐变都不行。

def load_custom_pattern(path, target_size): """ 加载自定义纹理并缩放到目标尺寸 """ img = Image.open(path).convert('L') img = img.resize(target_size, Image.Resampling.LANCZOS) return np.array(img)

用自定义纹理时要注意，图案的重复周期要和max_shift匹配。如果图案本身有明显的重复结构，比如格子，那max_shift最好设成格子宽度的整数倍，否则会出现视觉上的错位。

5.2 加交互预览：用 Matplotlib 实时调参

调参时反复改代码、跑脚本、看结果，效率很低。我一般会加一个 Matplotlib 的交互预览，用滑块实时调整max_shift和invert，立刻看到效果。

import matplotlib.pyplot as plt from matplotlib.widgets import Slider def interactive_preview(depth_map, pattern): """ 交互式预览，滑块调参 """ fig, ax = plt.subplots() plt.subplots_adjust(bottom=0.25) initial = generate_stereogram(depth_map, pattern, max_shift=40) im = ax.imshow(initial, cmap='gray') ax_shift = plt.axes([0.2, 0.1, 0.6, 0.03]) slider = Slider(ax_shift, 'Max Shift', 5, 80, valinit=40, valstep=1) def update(val): result = generate_stereogram(depth_map, pattern, max_shift=int(val)) im.set_data(result) fig.canvas.draw_idle() slider.on_changed(update) plt.show()

这个预览窗口里拖动滑块，立体画会实时刷新。找到合适的max_shift后，再把值写回命令行参数或者配置文件。这样调参比盲猜快得多。

5.3 批量生成：从单张到文件夹处理

如果你有一批深度图要批量生成，可以加一个批量模式，遍历文件夹里所有图片，统一参数生成后输出到指定目录。

import os from pathlib import Path def batch_generate(input_dir, output_dir, max_shift=40): """ 批量处理文件夹内所有深度图 """ input_path = Path(input_dir) output_path = Path(output_dir) output_path.mkdir(parents=True, exist_ok=True) for img_file in input_path.glob('*.png'): depth = np.array(Image.open(img_file).convert('L')) pattern = generate_pattern(depth.shape[1], depth.shape[0]) result = generate_stereogram(depth, pattern, max_shift) out_file = output_path / f"stereo_{img_file.name}" save_stereogram(result, out_file) print(f"处理完成：{img_file.name}")

批量模式里要注意，每张图的尺寸可能不同，pattern要按每张图的尺寸单独生成。如果所有图尺寸一致，可以复用同一个pattern，省去重复生成的时间。

5.4 验证方法：用“斗鸡眼”和“平行眼”两种看法

生成结果好不好，最终得靠眼睛验证。两种看法：平行眼是把视线焦点放在屏幕后方，让左右眼分别对准相邻的重复纹理；斗鸡眼是把焦点放在屏幕前方。两种方法看到的立体效果是反的，平行眼看到凸起，斗鸡眼看到凹陷。我一般先用平行眼确认立体形状是否正确，再用斗鸡眼确认深度方向有没有反。如果两种看法看到的形状一致但方向相反，说明生成逻辑没问题，只是观看方式不同。

从那以后我每次改完视差算法，都强制走一遍“平行眼 + 斗鸡眼”双重验证，避免方向反了还浑然不知。希望这个拆解能帮到你，拿到源码后先跑通单张生成，再按自己的需求换纹理、调参数、加批量，基本就能覆盖大部分使用场景了。

本文还有配套的精品资源，点击获取