【小白學Python】自定義圖片的生成（一）

【小白學Python】自定義圖片的生成（二）

【小白學Python】爬取數據（三）

---

在之前python學習的過程中，暫時完成了以下幾個步驟：

1.從某乎爬取問答，生成txt文件
2.篩選自己想要的txt數據，讀取txt文件
3.根據txt文件的問答數據，生成簡易的背景圖片。

現在生成的背景圖片都比較單一，如下：

正好這段時間在用一個免費的基于stabble diffusion 3模型的文生圖網站，我計劃對之前的圖片生成的過程進行優化。

調用上述網站的ai接口，圖片的上半部分基于圖片中的文字生成。

---

ai文生圖接口的獲取

F12打開瀏覽器的開發者工具，之后在網站上寫入prompt提示語，選好圖片生成的配置之后，點擊生成。

主要需要兩個接口來生成圖片

• create 圖片生成
• record-detail 異步獲取圖片生成

python中調用ai接口

將上述接口的調用參數、地址轉換為python代碼如下

def createPics(prompt):url = ".../create"requestsStr = {"prompt": prompt,"negativePrompt": "","model": "realistic",# "model": "visiCanvas",# "model": "oldRealistic",# "model": "tamarin",# "model": "superAnime","size": "1:1","batchSize": "1","imageUrl": ""}response = requests.post(url, json=requestsStr, headers=headers)return response.json().get('data').get('recordUuid')def getPicLinkUrl(prompt):recordUuid = createPics(prompt)picState = 'generating'while picState != 'success':url = "https://.../record-detail"params = {"recordUuid": recordUuid}response = requests.get(url, params=params)response = response.json()print(response)sleep(5)picState = response.get('data').get('picState')return json.loads(response.get('data').get('picUrl'))[0]['picUrl']

輸入prompt參數，調用上述方法，圖片生成結果如下：

圖片拼接

AI生成的圖片風格各異，如果直接當做背景圖會影響文字的展示，所以將AI生成的圖片，拼在之前生成的文字背景圖上面，并調整圖片的大小。

先將圖片縮放

def editPic(prompt):picPath = "aipics/" + str(time.time()) + ".jpg"download_image(getPicLinkUrl(prompt), picPath)# 打開圖片文件image = Image.open(picPath)# 定義縮放尺寸new_width = 600new_height = 600# 使用Image對象的resize方法進行縮放resized_image = image.resize((new_width, new_height))# # 保存縮放后的圖片# resized_image.save(picPath)# 關閉原始圖片對象（可選步驟）image.close()return resized_image

拼接圖片

def mergePics(image1, image2):# 確保兩張圖片的尺寸相同（或者處理尺寸不同的情況）if image1.size[0] != image2.size[0]:  # 檢查寬度是否相同raise ValueError("Images must have the same width")# 計算拼接后圖片的尺寸width = image1.size[0]height = image1.size[1] + image2.size[1]# 創建一張新圖片，尺寸為拼接后的尺寸merged_image = Image.new('RGB', (width, height))# 將兩張圖片粘貼到新圖片上merged_image.paste(image1, (0, 0))merged_image.paste(image2, (0, image1.size[1]))# 保存拼接后的圖片merged_image.save('pics/'+ str(time.time()) + '.jpg')# 顯示拼接后的圖片（可選）merged_image.show()

文字背景圖代碼

def draw_text(text):text = remove_between_chars(text, '@', '：')# 設置圖片大小width, height = 600, 300image = Image.new('RGB', (width, height), color='black')# 加載字體文件，并設置字體大小# 注意：確保arial.ttf字體文件路徑是正確的font = ImageFont.truetype('C:\\Windows\\Fonts\\simhei.ttf', 20)# font.color = 'yellow'# 創建畫布draw = ImageDraw.Draw(image)# 使用draw的textsize方法獲取文本大小text_width, text_height = draw.textsize(text, font=font)# 計算文字位置，使其居中x = (width - text_width) / 2y = (height - text_height) / 3.5# 此處簡單處理 如果將要到達邊界，往字符串指定位置增加換行符# 這里經過調試，我這里使用22比較合適，后續需要優化if text_width > width - 10:new_text = text[:25] + "\n\n   " + text[25:]# 繪制文字x = (width - text_width // 2) / 2.5draw.text((x, y), new_text, font=font, fill='white')else:# 繪制文字draw.text((x, y), text, font=font, fill='white')#ai生成的圖片prompt = str.replace(str.replace(text, '\n', ''), 'A: ', ' ')image1 = editPic(prompt)#合并圖片背景圖及ai生成的圖片mergePics(image1, image)

效果圖

總結

由于我的原數據是爬取的QA形式，并沒有經過優化，過于簡潔，描述過少，其實并不適合AI文字生成圖片的prompt，AI的理解大多數都出現了偏差，圖片的生成比較隨意，需要我的下一步優化。