""" 工具函数模块 包含图片处理、JSON解析等通用工具函数 """ import os import json from PIL import Image def parse_json_output(ai_response_text): """ 尝试将AI的回复解析为JSON对象 Args: ai_response_text: AI返回的字符串 Returns: (success, data): success: 是否解析成功 data: 解析后的数据字典，如果失败则包含error字段 """ try: # 1. 清洗数据：有时候 AI 会不听话地加上 ```json ... ```，这里做个简单的清洗 cleaned_text = ai_response_text.strip() if cleaned_text.startswith("```"): cleaned_text = cleaned_text.replace("```json", "").replace("```", "") # 2. 尝试解析 data = json.loads(cleaned_text) # 3. 验证关键字段是否存在 if "success" in data and "prompt" in data: return True, data else: return False, {"error": "JSON格式合法，但缺少 success 或 prompt 字段"} except json.JSONDecodeError as e: return False, {"error": f"JSON解析失败: {str(e)}", "raw_text": ai_response_text} def resize_proportional(image, target_width, target_height): """ 按照目标尺寸等比例缩放图片，保持宽高比 计算长和宽的比例，取较小值以确保图片完全适应目标尺寸 Args: image: PIL Image 对象 target_width: 目标宽度 target_height: 目标高度 Returns: 缩放后的 PIL Image 对象 """ width, height = image.size # 计算宽度和高度分别的比例 width_ratio = target_width / width height_ratio = target_height / height # 取较小的比例，确保图片不会超出目标尺寸，同时保持宽高比 ratio = min(width_ratio, height_ratio) new_width = int(width * ratio) new_height = int(height * ratio) return image.resize((new_width, new_height), Image.Resampling.LANCZOS) def center_image_on_white_background(image, target_width, target_height): """ 将图片居中放在白底图上 Args: image: PIL Image 对象（需要放置的图片） target_width: 目标宽度 target_height: 目标高度 Returns: 居中放置在白底图上的 PIL Image 对象 """ # 创建白底图 white_background = Image.new('RGB', (target_width, target_height), (255, 255, 255)) # 计算居中位置 img_width, img_height = image.size x_offset = (target_width - img_width) // 2 y_offset = (target_height - img_height) // 2 # 如果图片是 RGBA 模式，需要处理透明度 if image.mode == 'RGBA': white_background.paste(image, (x_offset, y_offset), image) else: white_background.paste(image, (x_offset, y_offset)) return white_background def prepare_second_image(second_image_path, first_image_size): """ 准备第二张图片：生成白底图，按照第一张图的长宽比例等比例缩放并居中放置 Args: second_image_path: 第二张图片路径 first_image_size: 第一张图片的尺寸 (width, height) Returns: 处理后的 PIL Image 对象 """ # 读取第二张图片 second_img = Image.open(second_image_path) # 转换为 RGB 模式（如果不是的话） if second_img.mode != 'RGB' and second_img.mode != 'RGBA': second_img = second_img.convert('RGB') target_width, target_height = first_image_size # 按照第一张图的长宽比例等比例缩放第二张图（保持宽高比） resized_second = resize_proportional(second_img, target_width, target_height) # 居中放在白底图上 final_second = center_image_on_white_background(resized_second, target_width, target_height) return final_second def horizontal_concatenate_images(image1_path, image2_path, output_path=None): """ 将两张图片横向拼接，第二张图会按照第一张图的尺寸进行调整 Args: image1_path: 第一张图片路径（作为尺寸参考） image2_path: 第二张图片路径 output_path: 输出图片路径，如果为None则自动生成 Returns: 输出图片路径 """ # 读取第一张图片 first_img = Image.open(image1_path) # 转换为 RGB 模式（如果不是的话） if first_img.mode != 'RGB' and first_img.mode != 'RGBA': first_img = first_img.convert('RGB') # 获取第一张图的尺寸 first_width, first_height = first_img.size # 准备第二张图片 second_img = prepare_second_image(image2_path, (first_width, first_height)) # 横向拼接两张图片 # 总宽度 = 第一张图宽度 + 第二张图宽度 # 总高度 = 两张图中较高的那个 total_width = first_width + second_img.width total_height = max(first_height, second_img.height) # 创建拼接后的图片 concatenated = Image.new('RGB', (total_width, total_height), (255, 255, 255)) # 粘贴第一张图（左侧） concatenated.paste(first_img, (0, 0)) # 粘贴第二张图（右侧） concatenated.paste(second_img, (first_width, 0)) draw = ImageDraw.Draw(concatenated) # A. 画一条红色的分割线 line_width = max(2, int(total_width * 0.005)) # 根据图片大小动态调整线宽 draw.line([(first_width, 0), (first_width, total_height)], fill="red", width=line_width) # B. 准备字体 (尝试加载系统字体，为了防止中文乱码，我们主要用英文标签，模型读英文完全没问题) # 字体大小动态设为图片宽度的 4% font_size = int(total_width * 0.04) try: # 尝试加载常见字体（Windows/Linux兼容性尝试） # 注意：如果你的环境是 Linux docker，可能需要指定具体的 ttf 路径，例如 /usr/share/fonts/... font = ImageFont.truetype("arial.ttf", font_size) except IOError: try: font = ImageFont.truetype("DejaVuSans.ttf", font_size) except IOError: # 如果都找不到，使用默认字体（通常很小，但总比报错好） print("⚠️ 未找到系统字体，使用默认字体，可能较小") font = ImageFont.load_default() # C. 定义标签文本 (用英文更稳妥，Qwen识别英文非常准) text_left = "REFERENCE (Original)" text_right = "GENERATED (Flat Lay)" # D. 绘制文字（带描边，防止背景色干扰） # 左侧文字位置 draw.text((20, 20), text_left, fill="red", font=font, stroke_width=2, stroke_fill="white") # 右侧文字位置 (起始点是第一张图宽度 + 偏移量) draw.text((first_width + 20, 20), text_right, fill="red", font=font, stroke_width=2, stroke_fill="white") # 生成输出路径 if output_path is None: base_name1 = os.path.splitext(os.path.basename(image1_path))[0] base_name2 = os.path.splitext(os.path.basename(image2_path))[0] output_dir = r"D:\线稿图\temp" output_path = os.path.join(output_dir, f"{base_name1}_{base_name2}_concatenated.jpg") # 保存拼接后的图片 concatenated.save(output_path, quality=95) print(f"✅ 图片拼接完成: {output_path}") print(f" 第一张图尺寸: {first_width}x{first_height}") print(f" 第二张图原始尺寸: {Image.open(image2_path).size}") print(f" 第二张图处理后尺寸: {second_img.size}") print(f" 拼接后尺寸: {total_width}x{total_height}") return output_path if __name__ == "__main__": # 示例用法 image1 = r"H:\data\线稿图\S1261A097.jpg" image2 = r"D:\线稿图\平面图2\S1261A097.jpg" if os.path.exists(image1) and os.path.exists(image2): horizontal_concatenate_images(image1, image2) else: print("请修改示例中的图片路径")