Windows 11下UDIS++图像拼接环境配置全攻略：从Anaconda安装到PIL报错解决
最近在复现UDIS++（Parallax-Tolerant Unsupervised Deep Image Stitching）算法时，发现不少同行在Windows 11环境下配置Python环境时遇到了各种"坑"。特别是PIL库的ANTIALIAS属性报错和skimage模块导入问题，让很多刚接触该领域的研究生和开发者浪费了大量时间。本文将分享一套经过验证的完整解决方案，帮助你在Windows 11系统上快速搭建UDIS++运行环境。
1. 环境准备与Anaconda配置
在开始之前，确保你的Windows 11系统已经安装了最新版的Anaconda。Anaconda的包管理功能可以极大简化Python环境配置过程，特别是处理复杂的依赖关系时。
首先打开Anaconda Prompt（建议以管理员身份运行），执行以下命令创建专用环境：
conda create -n UDIS++ python=3.8 -y conda activate UDIS++为什么选择Python 3.8？这是经过测试与UDIS++代码兼容性最好的Python版本，避免了新版本可能带来的各种兼容性问题。
接下来配置清华镜像源加速下载（国内用户推荐）：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes2. PyTorch与CUDA工具包安装
UDIS++对PyTorch版本有严格要求，必须使用1.7.1+cu110版本。以下是经过验证的安装命令：
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html安装完成后，验证PyTorch是否能正确识别CUDA：
import torch print(torch.__version__) # 应输出1.7.1+cu110 print(torch.cuda.is_available()) # 应返回True如果CUDA不可用，检查以下几点：
- 确认已安装NVIDIA驱动（版本≥450.80.02）
- 确认已安装CUDA Toolkit 11.0
- 检查环境变量PATH是否包含CUDA路径（如
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin）
3. 关键依赖库的版本控制
UDIS++对其他Python库的版本同样敏感。以下是经过验证的依赖库组合：
| 库名称 | 版本要求 | 安装命令示例 |
|---|---|---|
| opencv-python | 4.5.1.48 | pip install opencv-python==4.5.1.48 |
| scikit-image | 0.16.2 | pip install scikit-image==0.16.2 |
| Pillow | 8.3.2 | pip install pillow==8.3.2 |
| tensorboard | 2.14.0 | pip install tensorboard==2.14.0 |
一键安装所有依赖：
pip install opencv-python==4.5.1.48 scikit-image==0.16.2 pillow==8.3.2 tensorboard==2.14.0 imageio==2.9.0 six==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple4. 解决PIL.ANTIALIAS报错问题
运行UDIS++时最常见的错误就是AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'。这是因为在Pillow 10.0.0及以上版本中，ANTIALIAS已被弃用，改用LANCZOS。
解决方法有两种：
方案一：降级Pillow版本
pip install pillow==8.3.2方案二：修改源代码找到报错文件（通常是tensorboard相关的summary.py），将：
image = image.resize((scaled_width, scaled_height), Image.ANTIALIAS)修改为：
image = image.resize((scaled_width, scaled_height), Image.LANCZOS)如果无法定位具体文件，可以使用全局搜索：
- 在Anaconda环境中找到site-packages目录
- 搜索所有包含"ANTIALIAS"的.py文件
- 批量替换为"LANCZOS"
5. 解决skimage.measure报错
另一个常见错误是AttributeError: module 'skimage' has no attribute 'measure'，这是因为导入方式不正确。
正确的导入方式应该是：
from skimage import measure # 或者 import skimage.measure如果仍然报错，检查scikit-image版本：
pip show scikit-image确保版本是0.16.2，如果不是，重新安装指定版本：
pip install scikit-image==0.16.2 --force-reinstall6. 完整requirements.txt文件
为方便复现环境，以下是经过验证的requirements.txt内容：
torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 opencv-python==4.5.1.48 scikit-image==0.16.2 pillow==8.3.2 tensorboard==2.14.0 imageio==2.9.0 six==1.15.0 numpy==1.21.2保存后可通过以下命令一键安装：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple7. 验证环境配置
完成所有安装后，运行以下验证脚本确保环境配置正确：
import torch import cv2 import skimage from PIL import Image print("PyTorch版本:", torch.__version__) print("CUDA可用:", torch.cuda.is_available()) print("OpenCV版本:", cv2.__version__) print("scikit-image版本:", skimage.__version__) print("Pillow版本:", Image.__version__) # 测试PIL resize功能 try: img = Image.new('RGB', (100, 100)) img.resize((50, 50), Image.LANCZOS) print("PIL resize测试通过") except Exception as e: print("PIL resize测试失败:", e) # 测试skimage measure功能 try: from skimage import measure print("skimage measure导入成功") except Exception as e: print("skimage measure导入失败:", e)如果所有测试都通过，恭喜你已成功配置UDIS++运行环境！可以开始准备数据集并运行训练脚本了。
