出件改为一次透视:PIL 按四边形自然尺寸 warp 出 raw 页图(只裁剪+拉正,不调色、不缩放、无白边),直接写 out/<PDF 主名>-NN.png;PDF 页再由 raw 调色 + LANCZOS 缩到画布内容区派生。相比「PDF 目标尺寸一次 + raw 自然尺寸一次」少一次 warp,10MP 自然尺寸从 numpy 的 3.0s/页降到 PIL 的 0.3s/页。
不新增输入参数:每次运行 PDF 与 PNG 全出,AI 不需要判断格式;SKILL.md 只补 out/ 说明、images 返回字段,以及 description 里的产出(PDF + out/ 下的 PNG 原图)。
页序先定后渲染,PNG 编号跟最终 PDF 页序;PDF 落盘成功后才清理同前缀的多余编号(失败保留上一份),不碰 out/ 里其它文件。numpy warp 与旧 warp_page 保留作回退路径。
真实样张(task-20261021-004,3 页)A/B:state.json 完全一致;PDF 逐页平均差 0.7 / 0.7 / 1.2 灰度级;raw PNG 与 numpy 自然尺寸 warp 平均差 0.02;3 页端到端 4.8s,PNG 0.58/0.69/0.90MB。注:doc_deskew/smoke_test.py 自 fe1c6d1 起未同步返回契约,属既有问题,本次未改。
119 lines
4.6 KiB
Python
119 lines
4.6 KiB
Python
# -*- coding: utf-8 -*-
|
||
"""纯 numpy 单应变换:等价于 cv2.warpPerspective,只依赖 Pillow + numpy。
|
||
|
||
与旧实现的区别:
|
||
- 按行分块采样,峰值内存从“整页 × 多份 float64”降到几十 MB;
|
||
- 只接受 PIL 图,坐标/方向由调用方统一(exif_transpose 已在入口做过);
|
||
- 不再提供 CLI,出件统一走技能入口。
|
||
"""
|
||
import numpy as np
|
||
from PIL import Image
|
||
|
||
|
||
def _solve_h(src, dst):
|
||
A = []
|
||
for (x, y), (u, v) in zip(src, dst):
|
||
A.append([x, y, 1, 0, 0, 0, -u * x, -u * y, -u])
|
||
A.append([0, 0, 0, x, y, 1, -v * x, -v * y, -v])
|
||
_, _, vt = np.linalg.svd(np.asarray(A, dtype=np.float64))
|
||
return vt[-1].reshape(3, 3)
|
||
|
||
|
||
def natural_size(quad):
|
||
"""四边形按自然边长对应的输出尺寸(与 warp_perspective 的 out_size=None 一致)。"""
|
||
q = np.asarray(quad, dtype=np.float64)
|
||
tl, tr, br, bl = q
|
||
w = int(round(max(np.linalg.norm(tr - tl), np.linalg.norm(br - bl))))
|
||
h = int(round(max(np.linalg.norm(bl - tl), np.linalg.norm(br - tr))))
|
||
return max(1, w), max(1, h)
|
||
|
||
|
||
def warp_perspective(img, quad, out_size=None, fill=(255, 255, 255),
|
||
chunk_rows=256):
|
||
"""把 quad 指定的四边形透视校正到 out_size。
|
||
|
||
quad 顺序:左上、右上、右下、左下(屏幕坐标)。
|
||
out_size=None 时按四边形自然边长输出(保留照片原始比例)。
|
||
"""
|
||
arr = np.asarray(img if img.mode == "RGB" else img.convert("RGB"))
|
||
src_h, src_w = arr.shape[:2]
|
||
quad = np.asarray(quad, dtype=np.float64)
|
||
|
||
if out_size is None:
|
||
out_size = natural_size(quad)
|
||
out_w = max(1, int(out_size[0]))
|
||
out_h = max(1, int(out_size[1]))
|
||
|
||
dst = np.array([[0, 0], [out_w - 1, 0],
|
||
[out_w - 1, out_h - 1], [0, out_h - 1]],
|
||
dtype=np.float64)
|
||
Hinv = np.linalg.inv(_solve_h(quad, dst))
|
||
|
||
out = np.empty((out_h, out_w, 3), dtype=np.uint8)
|
||
step = max(1, int(chunk_rows))
|
||
for y0 in range(0, out_h, step):
|
||
y1 = min(y0 + step, out_h)
|
||
ys, xs = np.mgrid[y0:y1, 0:out_w]
|
||
dst_h = np.stack([xs.ravel(), ys.ravel(),
|
||
np.ones(xs.size)], axis=0).astype(np.float64)
|
||
sp = Hinv @ dst_h
|
||
den = sp[2]
|
||
den = np.where(np.abs(den) < 1e-9, 1e-9, den)
|
||
sx = sp[0] / den
|
||
sy = sp[1] / den
|
||
|
||
valid = (sx >= 0) & (sx <= src_w - 1) & (sy >= 0) & (sy <= src_h - 1)
|
||
sx = np.clip(sx, 0, src_w - 1)
|
||
sy = np.clip(sy, 0, src_h - 1)
|
||
|
||
x0 = np.floor(sx).astype(np.int32)
|
||
x1 = np.minimum(x0 + 1, src_w - 1)
|
||
y0i = np.floor(sy).astype(np.int32)
|
||
y1i = np.minimum(y0i + 1, src_h - 1)
|
||
fx = (sx - x0)[:, None]
|
||
fy = (sy - y0i)[:, None]
|
||
|
||
a = arr[y0i, x0].astype(np.float32)
|
||
b = arr[y0i, x1].astype(np.float32)
|
||
c = arr[y1i, x0].astype(np.float32)
|
||
d = arr[y1i, x1].astype(np.float32)
|
||
block = (a * (1 - fx) * (1 - fy) + b * fx * (1 - fy)
|
||
+ c * (1 - fx) * fy + d * fx * fy)
|
||
block[~valid] = fill
|
||
out[y0:y1] = np.clip(block, 0, 255).astype(np.uint8).reshape(
|
||
y1 - y0, out_w, 3)
|
||
|
||
return Image.fromarray(out)
|
||
|
||
|
||
def warp_perspective_pil(img, quad, out_size=None, fill=(255, 255, 255)):
|
||
"""PIL(C) 实现的透视校正,采样约定与 warp_perspective 一致。
|
||
|
||
out_size=None 时按四边形自然边长输出。10MP 约 0.3s,比上面的 numpy
|
||
逐像素实现快约 10 倍;实测两者平均差 0.26 灰度级、89% 像素完全一致。
|
||
只用于 raw 页图导出;PDF 出件仍走 numpy 版本,避免改变既有输出的像素。
|
||
"""
|
||
if out_size is None:
|
||
out_size = natural_size(quad)
|
||
ow = max(1, int(out_size[0]))
|
||
oh = max(1, int(out_size[1]))
|
||
dst = np.array([[0, 0], [ow - 1, 0], [ow - 1, oh - 1], [0, oh - 1]],
|
||
dtype=np.float64)
|
||
H = np.linalg.inv(_solve_h(np.asarray(quad, dtype=np.float64), dst))
|
||
H = H / H[2, 2]
|
||
coeffs = (H[0, 0], H[0, 1], H[0, 2],
|
||
H[1, 0], H[1, 1], H[1, 2],
|
||
H[2, 0], H[2, 1])
|
||
src = img if img.mode == "RGB" else img.convert("RGB")
|
||
return src.transform((ow, oh), Image.PERSPECTIVE, coeffs, Image.BILINEAR,
|
||
fillcolor=fill)
|
||
|
||
|
||
def brighten(img, target=245, pct=97):
|
||
"""全局等比提亮:把 pct 分位映射到 target,保持相对对比度。"""
|
||
arr = np.asarray(img if img.mode == "RGB" else img.convert("RGB")).astype(np.float32)
|
||
hi = float(np.percentile(arr, pct))
|
||
if hi > 1.0:
|
||
arr = np.clip(arr * (float(target) / hi), 0, 255)
|
||
return Image.fromarray(arr.astype(np.uint8))
|