Andrea's Wiki

外观

energ 工具 ​

energ 是 img2pic 工具集中的核心工具，基于梯度能量图和滑动窗口峰值检测的高级网格识别系统。

功能特点 ​

  • 自动像素尺寸检测：使用自相关算法自动检测图像中的像素尺寸
  • 滑动窗口峰值检测：在局部窗口内检测能量尖峰，解决全局阈值无法检测局部峰值的问题
  • 网格线插值补全：自动补全缺失的网格线
  • 方向性能量增强：针对不同方向的边缘进行优化
  • 多种采样模式：支持中心点、平均、加权等采样方式
  • 智能颜色量化：支持自动颜色数和强制颜色数

核心算法 ​

能量计算 ​

python
E = |∇x| + |∇y|

其中 ∇x 和 ∇y 分别是图像在水平和垂直方向的梯度。

滑动窗口机制 ​

python
window_size = max(gap_size, 5)  # 自动模式
step = max(1, gap_size // 2)    # 50% 重叠

# 滑动检测
for start in range(0, len(profile) - window_size + 1, step):
    window = profile[start:end]
    # 在窗口内找局部最大值

自相关算法 ​

用于自动检测像素尺寸：

python
def _detect_pixel_size(energy, min_s, max_s):
    # 计算投影
    px = energy.sum(axis=0)
    py = energy.sum(axis=1)

    # 去趋势
    px = _detrend_1d(px)
    py = _detrend_1d(py)

    # 自相关评分
    for s in range(min_s, max_s + 1):
        score = _autocorr_score(px, s) + _autocorr_score(py, s)

使用方法 ​

基本使用 ​

bash
# 基本使用
python energ --in input.png --out output.png

# 自动检测像素尺寸
python energ --in input.png --pixel-size 0

高级参数 ​

bash
# 手动指定参数
python energ --in input.png \
  --gap-size 8 \
  --gap-tolerance 2 \
  --min-energy 0.15 \
  --window-size 16 \
  --enhance-energy \
  --enhance-directional \
  --enhance-horizontal 2.0 \
  --enhance-vertical 1.5

生成像素艺术 ​

bash
# 生成像素艺术
python energ --in input.png --sample \
  --sample-mode weighted \
  --sample-weight-ratio 0.6

# 输出原生分辨率像素图（每个采样点1个像素）
python energ --in input.png --sample --upscale 1

# 自定义升采样倍数（放大3倍）
python energ --in input.png --sample --upscale 3

颜色量化 ​

bash
# 智能颜色量化（自动颜色数）
python energ --in input.png --sample --quantize

# 强制16色调色板
python energ --in input.png --sample --quantize --colors 16

# 完整组合使用
python energ --in input.png \
  --sample \
  --upscale 3 \
  --quantize \
  --quantize-mode smart \
  --colors 32

调试模式 ​

bash
# 输出纯能量图（用于调试）
python energ --in input.png --save-energy

# 结合其他参数使用
python energ --in input.png \
  --save-energy \
  --enhance-energy \
  --window-size 16 \
  --sample

参数说明 ​

输入输出参数 ​

参数说明默认值
--in输入图像路径必填
--out输出图像路径out/<name>_energy_grid.png
--pixel-size像素尺寸（0=自动检测）0

网格检测参数 ​

参数说明默认值
--gap-size预期的网格线间距（像素）8
--gap-tolerance间距容差（±像素）2
--min-energy最小能量阈值（0~1）0.15
--window-size滑动窗口大小（0=自动）0

能量增强参数 ​

参数说明默认值
--enhance-energy启用能量增强false
--enhance-directional方向性增强false
--enhance-horizontal水平边缘增强倍数2.0
--enhance-vertical垂直边缘增强倍数1.5

采样参数 ​

参数说明默认值
--sample生成像素艺术false
--sample-mode采样模式（center/average/weighted）weighted
--sample-weight-ratio加权采样的权重比例（0~1）0.6
--upscale像素图升采样倍数0

颜色量化参数 ​

参数说明默认值
--quantize启用像素艺术颜色量化false
--quantize-mode量化模式（smart/force）smart
--colors目标颜色数量（0=自动）0
--similarity-threshold智能合并模式的相似度阈值0.8

输出选项 ​

参数说明默认值
--save-energy保存纯能量图用于调试false
--native-res输出原生分辨率像素图false

输出说明 ​

energ 会生成以下输出文件：

文件说明
*_energy_grid.png能量图 + 检测的网格线 + 网格中心点
*_pure_energy.png纯能量图（如果启用 --save-energy）
*_energy_grid_pixel_art.png生成的像素艺术（如果启用 --sample）

使用示例 ​

示例 1：基本使用 ​

bash
python energ --in image.png --out result.png

示例 2：自动检测 + 像素艺术 ​

bash
python energ --in image.png --sample --upscale 4

示例 3：自定义参数 + 颜色量化 ​

bash
python energ --in image.png \
  --gap-size 12 \
  --enhance-energy \
  --sample \
  --upscale 2 \
  --quantize \
  --colors 32

示例 4：调试模式 ​

bash
python energ --in image.png \
  --save-energy \
  --enhance-directional \
  --enhance-horizontal 2.5 \
  --enhance-vertical 2.0

采样模式对比 ​

center（中心点采样） ​

直接采样网格中心点的颜色值，速度快但可能不够准确。

bash
python energ --in image.png --sample --sample-mode center

average（平均采样） ​

计算网格内所有像素的平均颜色，结果更平滑。

bash
python energ --in image.png --sample --sample-mode average

weighted（加权采样） ​

根据距离网格中心的远近进行加权采样，平衡准确性和平滑度。

bash
python energ --in image.png --sample --sample-mode weighted --sample-weight-ratio 0.6

颜色量化模式 ​

smart（智能合并） ​

自动合并相似颜色，保留图像的主要色彩。

bash
python energ --in image.png --sample --quantize --quantize-mode smart

force（强制颜色数） ​

强制使用指定的颜色数量，适合需要严格控制调色板大小的场景。

bash
python energ --in image.png --sample --quantize --quantize-mode force --colors 16

性能优化建议 ​

  1. 大图像处理：对于大图像，可以先缩小处理后再放大
  2. 参数调整：根据图像特点调整 --gap-size 和 --min-energy
  3. 能量增强：对于网格不明显的图像，启用 --enhance-energy
  4. 批量处理：使用脚本批量处理多个图像

← 返回用户指南