【教学类-100-01】20251225交通工具《主题：小司机》确保透明背景
背景需求：
最近是小司机主题，我想画一些交通工具：
1. 乘用车
轿车：
微型/小型轿车（如：比亚迪海鸥、大众Polo）
紧凑型轿车（如：丰田卡罗拉、本田思域）
中型/中大型轿车（如：宝马3系、奥迪A6）
豪华轿车（如：奔驰S级、劳斯莱斯幻影）
跑车/运动型车（如：保时捷911、法拉利488）
SUV（运动型多用途车）：
小型SUV（如：本田XR-V）
紧凑型/中型SUV（如：丰田RAV4、大众途观）
大型/全尺寸SUV（如：凯迪拉克凯雷德、路虎揽胜）
MPV（多用途车/商务车）（如：别克GL8、丰田埃尔法）
跨界车（结合轿车与SUV特点，如：宝马X4）
皮卡（客货两用车）（如：福特F-150、丰田坦途）
2. 商用车
客车：
公交车（城市公交、长途巴士）
旅游客车、校车
货车：
轻型货车（如：厢式货车、皮卡衍生型）
重型卡车（如：半挂牵引车、自卸车）
专用车辆：
救护车、消防车、警车
工程车（如：混凝土搅拌车、起重机）
环卫车（如：洒水车、垃圾车）
关键词：极简线条画，卡通火车头侧面，黑色轮廓线，单色线条设计，儿童简笔画风格，无色彩，无渐变，干净简洁
做了陆地、天空、海洋的各种交通交通工具简笔画。
下载
老规矩，做成黑白化、切边，统一背景1200*1200
''' 交通工具图片 保留黑线和灰色斑点，其他的灰色和白色都转为白色 豆包（它可以识别图片，Deepseek读图，只能提取文字，如果没有文字就显示错误，不能输入需求文字），阿夏 20251118 ''' import numpy as np from pathlib import Path from PIL import Image def keep_black_and_spots(image_path, output_path=None, bg_threshold=230): """ 保留图片中的黑色和斑点颜色，其他区域转为纯白色（255,255,255） 参数: image_path: 输入图片路径（str或Path） output_path: 输出图片路径（默认原目录加_white_bg后缀） bg_threshold: 背景识别阈值（默认230，值越高越容易识别浅灰背景） """ try: # 读取图片并转为RGB格式（去除透明通道） img = Image.open(str(image_path)).convert("RGB") img_np = np.array(img) # 转为numpy数组便于处理 except Exception as e: print(f"警告：无法读取图片 {image_path}，错误：{str(e)}") return # 转换为灰度图，用于识别背景区域 gray = np.dot(img_np[..., :3], [0.2989, 0.5870, 0.1140]).astype(np.uint8) # 识别背景区域：灰度值高于阈值的区域（浅灰/白色背景） # 背景区域设为纯白（255,255,255），非背景区域（黑色+斑点）保留原颜色 bg_mask = gray >= bg_threshold # True=背景区域，False=需要保留的区域 # 将背景区域转为纯白 img_np[bg_mask] = [255, 255, 255] # 转回PIL图片 processed_img = Image.fromarray(img_np) # 设置输出路径 if output_path is None: input_path = Path(image_path) output_path = input_path.parent / f"{input_path.stem}_white_bg{input_path.suffix}" # 保存处理后的图片 try: processed_img.save(str(output_path)) print(f"处理完成：{image_path} -> {output_path}，尺寸：{processed_img.size}") except Exception as e: print(f"警告：无法保存图片 {output_path}，错误：{str(e)}") def batch_keep_black_and_spots(input_dir, output_dir=None, bg_threshold=230): """ 批量处理目录中的所有图片，保留黑色和斑点，其他转为纯白 """ input_dir = Path(input_dir) if not input_dir.exists(): print(f"错误：目录 {input_dir} 不存在") return # 支持的图片格式 image_extensions = ['.jpg', '.jpeg', '.png', '.bmp', '.tiff'] image_files = [f for f in input_dir.glob("*.*") if f.suffix.lower() in image_extensions] if not image_files: print(f"警告：在目录 {input_dir} 中未找到图片文件") return # 创建输出目录 if output_dir is not None: output_dir = Path(output_dir) output_dir.mkdir(exist_ok=True) # 批量处理每张图片 for img_file in image_files: if output_dir is not None: output_path = output_dir / img_file.name else: output_path = None # 使用默认命名 keep_black_and_spots(img_file, output_path, bg_threshold) # ------------------- 使用示例 ------------------- if __name__ == "__main__": # 替换为你的实际输入输出目录（支持中文路径） path=r'D:\20251220交通工具' input_dir = Path(path+r'\00原图').resolve() output_dir = Path(path+r'\03纯白背景图').resolve() batch_keep_black_and_spots( input_dir=input_dir, output_dir=output_dir, bg_threshold=230 # 可调整：背景残留多则降低（如220），斑点被洗白则提高（如240） )''' 交通工具 白色切边，图案最大化 Deepseek，阿夏 20251118 ''' import numpy as np from pathlib import Path from PIL import Image # 改用PIL处理图片，解决中文路径问题 def crop_white_margin(image_path, output_path=None, white_threshold=245): """ 裁剪图片中物体外侧的白色边距（支持中文路径） 参数: image_path: 输入图片路径（str或Path） output_path: 输出图片路径（默认在原目录添加_cropped后缀） white_threshold: 白色阈值（0-255），值越高越严格识别白色 """ try: # 用PIL读取图片（支持中文路径） img = Image.open(str(image_path)).convert("RGB") # 直接转为RGB，自动处理RGBA img_np = np.array(img) # 转为numpy数组（便于处理） except Exception as e: