进阶图像工作流 (Advanced Image Workflow)
针对大量图片的自动化处理、AI 增强、分析和管理的完整工作流。
触发条件
- "批量处理图片"、"批量压缩"
- "修复老照片"、"图片增强"
- "给图片打标签"、"图片分类"
- "生成图片缩略图"
- "构建图片数据集"
- "风格迁移"、"把这张图变成 XX 风格"
- "去除图片背景"
🛠️ 核心能力
✅ 批量处理
- 批量缩放 / 裁剪 / 格式转换
- 批量压缩(优化网站加载速度)
- 批量重命名(按日期/尺寸/MD5)
- 批量加水印
✅ AI 图像增强
- 超分辨率放大(2x/4x/8x)
- 老照片修复(去划痕、上色)
- 去模糊 / 去噪
- 人像美颜
- HDR 效果
✅ 智能分析
- 自动打标签(图像识别)
- NSFW 内容检测
- 色彩分析(主色、配色方案)
- 相似度检测(去重)
- OCR 文字提取
✅ 特殊效果
- AI 背景移除
- 风格迁移(参考图风格)
- 图片变线稿
- 色彩迁移
📦 批量处理工作流
场景 1: 网站图片优化
# 批量压缩 JPG 到 WebP(质量 80)
python image_workflow.py compress --input ./photos --output ./optimized --format webp --quality 80
# 生成响应式图片尺寸集(320w, 640w, 1280w)
python image_workflow.py responsive --input ./hero.jpg --sizes 320,640,1280
场景 2: 批量重命名 + 分类
# 按拍摄日期重命名: 2024-07-13_143025.jpg
python image_workflow.py rename --input ./photos --pattern date
# 按 MD5 去重
python image_workflow.py dedup --input ./photos --move-to ./duplicates
场景 3: 批量加水印
python image_workflow.py watermark \
--input ./products \
--output ./watermarked \
--text "我的品牌" \
--position bottom-right \
--opacity 0.3
🚀 AI 图像增强
超分辨率放大
from image_enhancer import ImageEnhancer
enhancer = ImageEnhancer()
# 4 倍放大
result = enhancer.upscale("photo.jpg", scale=4)
result.save("photo_4x.png")
# 批量放大
enhancer.batch_upscale("./photos", scale=2, output="./upscaled")
老照片修复
# 老照片三件套:去划痕 + 上色 + 增强
result = enhancer
.open("old_photo.jpg")
.remove_scratches()
.colorize()
.enhance()
.save("old_photo_restored.png")
背景移除
# 一键抠图
result = enhancer.remove_background("person.jpg")
result.save("person_no_bg.png") # 透明背景 PNG
🔍 智能图片分析
自动打标签
from image_analyzer import ImageAnalyzer
analyzer = ImageAnalyzer()
# 单张分析
result = analyzer.analyze("cat.jpg")
print(result.tags) # ['cat', 'animal', 'pet', 'orange', 'sitting']
print(result.colors) # 主色调: [(200, 150, 50), ...]
print(result.nsfw_score) # 0.0-1.0
# 批量分析并生成 CSV
analyzer.batch_analyze("./dataset", output="tags.csv")
图片去重
# 找出相似图片并移动到重复文件夹
duplicates = analyzer.find_duplicates("./photos", threshold=0.95)
for group in duplicates:
print(f"相似组 ({len(group)}张):")
for path in group:
print(f" {path}")
OCR 文字提取
text = analyzer.extract_text("screenshot.png")
print(text)
# 批量提取并保存为文本文件
analyzer.batch_ocr("./screenshots", output="./texts")
🎨 风格迁移与特效
图片风格化
from style_transfer import StyleTransfer
st = StyleTransfer()
# 把照片变成梵高星空风格
result = st.transfer(
content="my_photo.jpg",
style="vangogh_starry_night.jpg",
strength=0.8
)
result.save("artistic.jpg")
内置风格预设
| 预设 | 说明 |
|---|---|
anime |
动漫化(新海诚风格) |
oil |
油画效果 |
sketch |
素描 / 线稿 |
watercolor |
水彩画 |
cyberpunk |
赛博朋克调色 |
film |
电影胶片色调 |
result = st.apply_preset("my_photo.jpg", "anime")
色彩迁移
# 把 A 图的配色应用到 B 图上
result = st.transfer_colors(
source="warm_sunset.jpg",
target="cold_mountain.jpg"
)
result.save("warm_mountain.jpg")
📊 数据集构建工具
构建 AI 训练数据集
from dataset_builder import DatasetBuilder
builder = DatasetBuilder("./raw_images")
# 自动清洗数据集
builder.clean(
min_size=512, # 最小尺寸
remove_duplicates=True, # 去重
remove_blurry=True, # 移除模糊图
filter_nsfw=True # 过滤 NSFW
)
# 自动划分训练/验证/测试集
builder.split(
train_ratio=0.8,
val_ratio=0.1,
test_ratio=0.1,
stratified=True # 按类别平衡划分
)
# 数据增强(扩充训练集)
builder.augment(
output="./dataset/train",
rotations=[-15, 0, 15],
flips=["horizontal"],
brightness=[0.8, 1.0, 1.2],
num_workers=4
)
自动标注
# 用 CLIP 自动打标签
builder.auto_label(output="labels.csv")
# 导出为 COCO / YOLO 格式
builder.export_coco("dataset.json")
builder.export_yolo("./yolo_labels")
⚡ 性能优化指南
批量处理加速
# 使用多进程加速(默认 CPU 核心数)
builder.batch_process(images, num_workers=8)
# 处理 10000 张图时显示进度条
builder.set_progress_bar(True)
内存优化
# 流式处理,不一次性加载所有图片
builder.streaming = True
builder.batch_size = 32 # 每批处理数量
📋 常用命令速查
# === 批量处理 ===
dimage compress ./input ./output # 压缩优化
dimage resize ./input 1920x1080 # 统一尺寸
dimage rename ./input --pattern date # 按日期重命名
dimage dedup ./input # 去重
# === AI 增强 ===
dimage upscale photo.jpg 4x # 4倍超分
dimage colorize old_bw.jpg # 黑白上色
dimage remove-bg person.jpg # 抠图
# === 分析 ===
dimage analyze ./photos # 批量分析打标签
dimage ocr ./screenshots # 提取文字
dimage duplicates ./photos # 找重复图片
# === 特效 ===
dimage style photo.jpg --preset anime # 动漫化
dimage palette photo.jpg # 提取配色方案
🔧 安装依赖
# 基础依赖(必需)
pip install pillow numpy tqdm python-dotenv
# AI 增强(可选,用于超分、抠图等)
pip install opencv-python torch torchvision
pip install rembg # 背景移除
# 图像分析(可选)
pip install transformers # CLIP 打标签
pip install easyocr # OCR 文字识别
pip install scikit-learn # 相似度计算
最佳实践
网站图片优化方案
| 图片类型 | 推荐格式 | 推荐尺寸 | 质量参数 |
|---|---|---|---|
| Hero 大图 | WebP | 1920px 宽 | 质量 80 |
| 产品图 | WebP / JPG | 1024px 宽 | 质量 85 |
| 缩略图 | WebP | 320px 宽 | 质量 70 |
| PNG 图标 | PNG / WebP | 原尺寸 | 无损 |
打印级图片
# 300 DPI,适合 A4 打印
dimage upscale photo.jpg 4x --output print_ready.tif
社交媒体优化
# Instagram 正方形 1080x1080
dimage resize input.jpg 1080x1080 --output instagram.jpg
# Twitter 头图 1500x500
dimage resize header.jpg 1500x500 --crop center
语音交互系统方法论(curator 合并 2026-10-16 · 原 voice-interaction-system 整档收纳)
完整 4 阶段渐进式语音交互系统实现方法论已合并至 references/voice-interaction-system/(原独立 skill,v0.13.0+:火山引擎 ASR + TTS、Whisper fallback、SileroVAD、声纹锁、打断机制、多轮上下文、macOS TCC 麦克风权限、sounddevice;2026-10-16 从 Codex 同步仓完整恢复 23 个文件,为最新版)。当任务涉及「让 Hermes 能听到/念出来」、ASR/TTS 集成、语音唤醒/语音对话 pipeline 时,先读 references/voice-interaction-system/SKILL.md,本 skill 自身只覆盖图像/图片工作流(批量处理、AI 图片分析、风格迁移、增强、数据集构建)与豆包生图。