Thanks to visit codestin.com
Credit goes to Github.com

Skip to content

tyranyue/Gemini

BranchesTags

Repository files navigation

OpenAI 批量图片美化脚本

使用 OpenAI API 批量处理和美化图片的 Python 脚本。支持通过 OpenAI 兼容端点调用 Gemini 2.5 Flash 图像预览模型。

功能特点

  • ✅ 批量处理多张图片
  • ✅ 支持多种图片格式（JPG, PNG, GIF, WEBP, BMP）
  • ✅ 自定义提示词（支持文件读取 + 高清附加提示）
  • ✅ 自动重试机制（指数退避），可选串行/并发
  • ✅ 运行批次目录：output/run-YYYYMMDD-HHMMSS/
  • ✅ 图片输出: 自动保存增强后的图片到批次目录，只保存图片（无大段文本）
  • ✅ 结果摘要 JSON/TXT（不含 base64），可选调试文本保存
  • ✅ 上传前尺寸自适应 + 本地放大（默认 1.5x，LANCZOS）
  • ✅ 支持自定义 API 端点，支持流式/非流式响应

环境准备

1. 创建虚拟环境（推荐）

# 创建虚拟环境
python3 -m venv venv

# 激活虚拟环境
# macOS/Linux:
source venv/bin/activate
# Windows:
# venv\Scripts\activate

2. 安装依赖

pip install -r requirements.txt

配置说明

使用配置文件（推荐）

  1. 复制 config.example.json 为 config.json
  2. 编辑 config.json 填入你的 API 密钥

配置文件示例 (config.example.json):

{
  "api_key": "YOUR_API_KEY_HERE",
  "base_url": "https://ggdl.haohaozhongzhuan.com/v1",
  "input_dir": "./images",
  "prompt": "你的提示词",
  "model": "gemini-2.5-flash-image-preview",
  "timeout": 60,
  "output_file": "results.json",
  "output_dir": "output",
  "output_long_side": 3840,
  "output_name_template": "{stem}_enhanced.png",
  "write_results": false,
  "delay": 2.0,
  "temperature": 0.0,
  "max_tokens": 2048,
  "write_results": true
}

注意: config.json 文件已在 .gitignore 中，不会被提交到 Git 仓库。

使用方法

快速开始

  1. 将图片放入 images 文件夹

    • 支持格式: JPG, PNG, GIF, WEBP, BMP

  2. 运行脚本

python batch_image_enhancer.py --config config.json

命令行参数

python batch_image_enhancer.py \
  --api-key "YOUR_API_KEY" \
  --input "./images" \
  --prompt "你的提示词" \
  --output "results.json" \
  --output-dir "output" \
  --output-long-side 3840 \
  --output-name-template "{stem}_enhanced.png" \
  --no-results \
  --model "gemini-2.5-flash-image-preview" \
  --base-url "https://your-api-endpoint.com/v1" \
  --timeout 60 \
  --delay 1.0 \
  --temperature 0.0 \
  --max-tokens 2048 \
  --prompt-file prompt.txt \
  --quality-hint "请返回高分辨率 PNG 的 base64，至少 2048px 宽。" \
  --upscale 1.5 \
  --max-side 2048 \
  --concurrency 1 \
  --resume \
  --debug-save

命令行参数说明

参数 简写 说明 默认值
--api-key - OpenAI API 密钥 必需
--input -i 输入图片目录 必需
--prompt -p 通用提示词 必需
--output -o 输出结果文件 results.json
--output-dir - 输出图片保存目录 output
--output-long-side - 输出图片最长边像素 (0 表示不强制) 0
--output-name-template - 输出图片文件名模板 {stem}_enhanced.png
--no-results - 不写 results.json/results.txt，仅输出图片 false
--model -m 模型名称 gemini-2.5-flash-image-preview
--base-url - 自定义 API 端点 URL -
--timeout - 请求超时秒数 (0 表示不设置) 0
--delay -d 请求延迟秒数 1.0
--temperature - 温度参数 0.0
--max-tokens - 最大 token 数 2048
--config -c 配置文件路径 -
--prompt-file - 从文件读取提示词（优先于 --prompt） -
--quality-hint - 附加高清提示 请返回一张高分辨率 PNG 的 base64，至少 2048px 宽。
--upscale - 本地放大倍数 (1.0/1.5/2.0) 1.5
--max-side - 上传前最长边限制 2048
--concurrency - 并发数（1 最稳） 1
--resume - 跳过已存在输出 false
--retry - 重试次数 3
--debug-save - 保存无图响应文本用于排查 false
--no-stream - 禁用流式（默认流式开启） -
--no-results - 不生成 results.json/txt 文件 false

支持的模型

  • gemini-2.5-flash-image-preview (默认，Gemini 2.5 Flash 图像预览模型)
  • 其他 OpenAI 兼容 API 支持的模型

当前提示词

Please enhance this image with the following style: 
Wooden pedestal under a single, soft spotlight. 
Background: deep charcoal-gray museum wall with subtle gradients and depth of field.
A soft halo of warm light gently illuminates the artifact, enhancing its natural textures 
and true colors without overexposure.
The scene evokes a luxury museum exhibition environment — calm, elegant, and refined.
Ultra-realistic ceramic or stone texture, professional product-photography lighting, 
visible floor reflections, and a sense of spatial depth.

提示词示例

美化建议

"Analyze this image and provide detailed enhancement suggestions including color, composition, lighting, contrast and other improvements."

专业摄影分析

"As a professional photographer, analyze this photo's composition, lighting, color balance, and provide specific post-processing recommendations."

艺术风格转换

"Analyze this image and suggest how to transform it into different artistic styles (such as oil painting, watercolor, cyberpunk, etc.)."

输出结果

脚本会生成以下输出：

1. 增强后的图片文件 (output/ 目录)

  • 每次运行都会在 output/run-YYYYMMDD-HHMMSS/ 生成一个批次目录
  • 图片命名格式：原文件名_enhanced.png
  • 例如：images/photo1.jpg → output/run-20251124-120000/photo1_enhanced.png

2. JSON 格式结果 (results.json)

包含处理统计信息和每张图片的详细信息：

{
  "summary": {
    "total": 10,
    "success": 9,
    "failed": 1,
    "model": "gemini-2.5-flash-image-preview",
    "prompt": "...",
    "timestamp": "2025-10-24T10:30:00"
  },
  "results": [
    {
      "index": 1,
      "filename": "photo1.jpg",
      "filepath": "images/photo1.jpg",
      "output_image": "output/run-20251124-120000/photo1_enhanced.png",
      "status": "success",
      "error": null,
      "timestamp": "2025-10-24T10:30:01"
    }
  ]
}

3. 文本格式结果 (results.txt)

易读的文本格式，包含每张图片的处理结果和处理统计。

注意事项

  1. API 配额: OpenAI API 按使用量计费，请注意费用
  2. 速率限制: 脚本默认在每次请求间延迟 1 秒，可通过 --delay 调整
  3. 图片大小: 建议图片大小 < 20MB
  4. 网络连接: 需要稳定的网络连接
  5. API 密钥安全: 不要将包含 API 密钥的 config.json 提交到版本控制系统

自定义 API 端点

如果你使用第三方 OpenAI 兼容端点，可以通过 --base-url 或在配置文件中添加 base_url 字段：

{
  "api_key": "your-key",
  "base_url": "https://your-custom-endpoint.com/v1",
  ...
}

文件结构

Gemini/
├── batch_image_enhancer.py    # 主脚本
├── requirements.txt           # 依赖包
├── config.example.json        # 配置文件模板
├── config.json               # 你的配置文件（不要提交到 git）
├── README.md                 # 说明文档
├── images/                   # 输入图片目录
│   ├── photo1.jpg
│   ├── photo2.png
│   └── ...
├── output/                   # 输出图片目录（处理后图片）
│   ├── photo1_enhanced.png
│   ├── photo2_enhanced.png
│   └── ...
├── results.json              # 输出结果（JSON）
└── results.txt               # 输出结果（文本）

注意: output/、results.json 和 results.txt 在 .gitignore 中被忽略，不会提交到 Git 仓库。

故障排除

问题: "API key not valid"

  • 检查 API 密钥是否正确
  • 确认 API 密钥已激活且有余额

问题: "Model not found"

  • 检查模型名称是否正确
  • 确认你的账户有权限访问该模型

问题: "Rate limit exceeded"

  • 增加 --delay 参数值
  • 减少批量处理的图片数量
  • 检查你的 API 配额限制

问题: 某些图片处理失败

  • 检查图片文件是否损坏
  • 确认图片大小在限制范围内
  • 查看错误日志了解具体原因
  • 若接口只在流式返回图片，保持默认（流式开启）；若出现异常，可以尝试 --no-stream 切换为非流式。
  • 若仍无图片，可加 --debug-save，在批次目录生成 .response.txt 以排查返回内容。

示例运行

# 使用配置文件运行
python batch_image_enhancer.py --config config.json

# 使用命令行参数运行
python batch_image_enhancer.py \
  --api-key "sk-xxx" \
  --input "./images" \
  --prompt "Enhance this image with museum exhibition style" \
  --model "gemini-2.5-flash-image-preview" \
  --base-url "https://ggdl.haohaozhongzhuan.com/v1"

许可证

MIT License

更新日志

v2.0.0 (2025-10-24)

  • 使用 Gemini 2.5 Flash 图像预览模型
  • 支持自定义 API 端点
  • 自动保存增强后的图片到 output 目录
  • 改进错误处理

v1.0.0 (2025-10-24)

  • 初始版本

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages