china-id-photo

# 中国证件照生成 China ID Photo 将个人照片转换为符合中国标准的证件照，支持多种尺寸和背景颜色。 ## 功能特点 - 🎨 支持白/蓝/红三种标准背景色 - 📐 支持1寸、2寸、护照等标准尺寸 - 🖼️ 输出JPEG（默认）或PNG格式 - 🔒 完全本地处理，不上传任何服务器 ## 触发时机 - "帮我做一张证件照" - "把这张照片转成1寸证件照" - "我需要蓝色背景的2寸照片" - "生成护照照片，白色背景" - "这张照片转成证件照，要红色背景" - "帮我制作身份证照片" --- ## Step 0：环境检查与依赖安装 ```bash # 检查 python3 if ! command -v python3 &> /dev/null; then echo "❌ 需要 python3" echo " macOS: brew install python3" echo " Ubuntu: sudo apt install python3" echo " Windows: 从 python.org 下载安装" exit 1 fi # 检查并安装依赖 echo "📦 检查依赖..." pip install rembg pillow opencv-python-headless -q 2>/dev/null || { echo "❌ 依赖安装失败，请手动执行：" echo " pip install rembg pillow opencv-python-headless" exit 1 } echo "✅ 环境检查通过" ``` --- ## Step 1：识别用户需求 ``` 用户提供照片路径 → 识别参数： 尺寸（用户指定或默认1寸）： "1寸" / "一寸" / "小一寸" → 295×413 像素 "2寸" / "二寸" → 413×579 像素 "小二寸" / "护照" / "passport" → 390×567 像素 "大一寸" / "签证" / "visa" → 390×567 像素 "身份证" / "id card" → 358×441 像素 未指定 → 默认1寸（295×413） 背景色（用户指定或默认白色）： "白色" / "白底" / "white" → #FFFFFF "蓝色" / "蓝底" / "blue" → #438EDB（标准证件照蓝） "红色" / "红底" / "red" → #FF0000 未指定 → 默认白色 输出格式： "PNG" / "png" / "透明" → PNG格式 未指定 → 默认JPEG格式 ``` --- ## Step 2：生成证件照 ```bash # 设置参数（根据用户需求调整） INPUT_IMAGE="/path/to/user/photo.jpg" SIZE="1" # 尺寸：1/2/passport/id_card BG_COLOR="white" # 背景色：white/blue/red OUTPUT_FORMAT="jpg" # 输出格式：jpg/png # 创建输出目录 OUTPUT_DIR="${OPENCLAW_WORKSPACE:-$PWD}/id_photo_$(date +%Y%m%d_%H%M%S)" mkdir -p "$OUTPUT_DIR" # 执行Python脚本处理图片 python3 - "$INPUT_IMAGE" "$OUTPUT_DIR" "$SIZE" "$BG_COLOR" "$OUTPUT_FORMAT" << 'PYEOF' import sys import os from rembg import remove from PIL import Image, ImageFilter import cv2 import numpy as np # 从命令行参数获取配置 input_path = sys.argv[1] output_dir = sys.argv[2] size_type = sys.argv[3] bg_color_name = sys.argv[4] output_format = sys.argv[5] # 标准尺寸映射（像素，300DPI） SIZES = { '1': (295, 413), # 1寸 '2': (413, 579), # 2寸 'passport': (390, 567), # 护照/小二寸 'id_card': (358, 441), # 身份证 } # 背景色映射（RGB）- 中国证件照标准色值 BG_COLORS = { 'white': (255, 255, 255), # 白色：身份证、护照、签证 'blue': (67, 142, 219), # 蓝色：毕业证、工作证 'red': (255, 0, 0), # 红色：结婚证、党员证 } def detect_face(img_array): """使用OpenCV检测人脸，返回包含头发的头部边界框""" face_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + 'haarcascade_frontalface_default.xml' ) if len(img_array.shape) == 3: gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY) else: gray = img_array faces = face_cascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30) ) if len(faces) > 0: # 返回最大的人脸 areas = [w * h for (x, y, w, h) in faces] max_idx = areas.index(max(areas)) fx, fy, fw, fh = faces[max_idx] # 扩展边界框以包含头发 # 向上扩展约40%（头发区域） # 向下扩展约10%（下巴下方） # 向左右各扩展约10% expand_top = int(fh * 0.4) expand_bottom = int(fh * 0.1) expand_side = int(fw * 0.1) # 计算扩展后的边界框（确保不超出图片边界） img_h, img_w = gray.shape new_x = max(0, fx - expand_side) new_y = max(0, fy - expand_top) new_w = min(fw + expand_side * 2, img_w - new_x) new_h = min(fh + expand_top + expand_bottom, img_h - new_y) return (new_x, new_y, new_w, new_h) return None def refine_mask(mask, radius=2): """优化抠图边缘，去除锯齿""" # 转换为numpy数组 mask_np = np.array(mask) # 轻微模糊边缘 mask_np = cv2.GaussianBlur(mask_np, (radius*2+1, radius*2+1), 0) # 二值化 _, mask_np = cv2.threshold(mask_np, 128, 255, cv2.THRESH_BINARY) return Image.fromarray(mask_np) def crop_face_centered(img, target_size, face_bbox=None): """根据头部位置进行智能裁剪，确保头顶留白符合证件照标准 标准要求： - 头顶到照片上边沿：约10%照片高度 - 头部高度：约65%照片高度 - 头部水平居中 """ target_w, target_h = target_size target_ratio = target_w / target_h img_w, img_h = img.size if face_bbox is not None: fx, fy, fw, fh = face_bbox # 计算头部中心（水平位置） head_cx = fx + fw // 2 # 根据中国证件照标准计算裁剪区域 # 头部高度应占照片高度的65% # 头顶留白占照片高度的10% # 假设face_bbox已经是扩展后的头部区域 # 头部高度 fh 对应照片高度的 65% target_area_h = int(fh / 0.65) target_area_w = int(target_area_h * target_ratio) # 确保不超出图片 target_area_w = min(target_area_w, img_w) target_area_h = min(target_area_h, img_h) # 水平居中 crop_x = head_cx - target_area_w // 2 # 垂直位置：头顶留10%空白 # face_bbox的y坐标是头顶位置 # 头顶到裁剪区域顶部的距离 = 照片高度 * 10% head_top_offset = int(target_area_h * 0.10) crop_y = fy - head_top_offset # 边界调整 crop_x = max(0, min(crop_x, img_w - target_area_w)) crop_y = max(0, min(crop_y, img_h - target_area_h)) img = img.crop((crop_x, crop_y, crop_x + target_area_w, crop_y + target_area_h)) else: # 没有检测到人脸，使用改进的居中裁剪 img_ratio = img_w / img_h if img_ratio > target_ratio: new_w = int(img_h * target_ratio) left = (img_w - new_w) // 2 img = img.crop((left, 0, left + new_w, img_h)) else: new_h = int(img_w / target_ratio) top = int((img_h - new_h) * 0.15) # 上方留15%空白 img = img.crop((0, top, img_w, top + new_h)) # 缩放到目标尺寸（使用高质量缩放） return img.resize(target_size, Image.LANCZOS) def process_image(input_path, output_dir, size_type, bg_color_name, output_format): print(f"📸 正在处理图片...") if not os.path.exists(input_path): print(f"❌ 文件不存在: {input_path}") sys.exit(1) # 读取原图 input_img = Image.open(input_path).convert('RGB') orig_size = input_img.size print(f" 原图尺寸: {orig_size}") # 检测人脸位置（在抠图前检测） print("👤 检测人脸...") img_array = np.array(input_img) face_bbox = detect_face(img_array) if face_bbox is not None: fx, fy, fw, fh = face_bbox print(f" 检测到人脸: 位置({fx},{fy}) 大小({fw}x{fh})") else: print(" ⚠️ 未检测到人脸，将使用智能居中裁剪") # 抠图（移除背景） print("✂️ 正在抠图（可能需要几秒）...") output_img = remove(input_img) # 获取目标尺寸 if size_type in SIZES: target_size = SIZES[size_type] size_name = {'1': '1寸', '2': '2寸', 'passport': '护照', 'id_card': '身份证'}[size_type] else: target_size = (295, 413) size_name = '1寸（默认）' print(f"📐 目标尺寸: {size_name} {target_size[0]}x{target_size[1]} 像素") # 获取背景色 bg_color = BG_COLORS.get(bg_color_name, BG_COLORS['white']) print(f"🎨 背景色: {bg_color_name} RGB{bg_color}") # 提取并优化alpha通道（抠图边缘） if output_img.mode != 'RGBA': print("❌ 抠图失败，未生成透明通道") sys.exit(1) r, g, b, a = output_img.split() print("🔧 优化抠图边缘...") a_refined = refine_mask(a, radius=2) # 创建纯色背景 bg = Image.new('RGB', output_img.size, bg_color) # 将抠图结果粘贴到背景上（使用优化后的mask） person_rgb = Image.merge('RGB', (r, g, b)) bg.paste(person_rgb, mask=a_refined) # 智能裁剪（根据人脸位置） print("✂️ 裁剪到目标尺寸...") result = crop_face_centered(bg, target_size, face_bbox) # 验证输出尺寸 if result.size != target_size: print(f"⚠️ 尺寸调整: {result.size} → {target_size}") result = result.resize(target_size, Image.LANCZOS) # 保存 output_ext = 'png' if output_format == 'png' else 'jpg' output_path = os.path.join(output_dir, f'id_photo_{size_type}_{bg_color_name}.{output_ext}') if output_ext == 'png': result.save(output_path, 'PNG') else: result.save(output_path, 'JPEG', quality=95, subsampling=0) file_size = os.path.getsize(output_path) print(f"✅ 证件照已生成: {output_path}") print(f" 最终尺寸: {result.size[0]}x{result.size[1]} 像素") print(f" 文件大小: {file_size / 1024:.1f} KB") return output_path try: result = process_image(input_path, output_dir, size_type, bg_color_name, output_format) print("\n🎉 处理完成！") except Exception as e: print(f"\n❌ 处理失败: {e}") import traceback traceback.print_exc() sys.exit(1) PYEOF ``` ### 设置环境变量并执行 ```bash export INPUT_IMAGE="/path/to/user/photo.jpg" export OUTPUT_DIR="${OPENCLAW_WORKSPACE:-$PWD}/id_photo_$(date +%Y%m%d_%H%M%S)" export SIZE="1" # 1/2/passport/id_card export BG_COLOR="white" # white/blue/red export OUTPUT_FORMAT="jpg" # jpg/png # 执行上面的python脚本 ``` --- ## Step 3：输出结果 证件照生成完成后： ``` ✅ 证件照已生成！ 📐 尺寸：1寸（295×413像素，2.5×3.5厘米） 🎨 背景：白色 📁 格式：JPEG 📍 位置：/path/to/id_photo_xxx/id_photo_1_white.jpg 可直接用于： - 简历、报名表 - 各类证件申请 - 在线提交 ``` --- ## 常用尺寸速查 | 名称 | 像素 | 厘米 | 常用场景 | |------|------|------|----------| | 1寸 | 295×413 | 2.5×3.5 | 简历、报名表 | | 2寸 | 413×579 | 3.5×5.0 | 毕业证、资格证 | | 护照/小二寸 | 390×567 | 3.3×4.8 | 护照、签证 | | 身份证 | 358×441 | 2.6×3.2 | 身份证办理 | --- ## 错误处理 ``` 文件不存在 → 提示用户确认照片路径 格式不支持 → 提示支持的格式：JPG, PNG, WEBP 依赖安装失败 → 提示手动安装：pip install rembg pillow 内存不足 → 建议压缩原图后再试 抠图效果不佳 → 建议使用背景简洁的正面照 ``` --- ## 注意事项 - 首次运行需下载rembg模型（约170MB），请保持网络连接 - 建议使用正面免冠照片，背景简洁效果更佳 - 原图分辨率建议 >= 500×500 像素 - 处理时间约2-10秒（取决于CPU性能） - 所有处理完全在本地进行，不会上传任何数据