// Package media 对上游产出的图片做本地后处理。 // // 目前只有一件事:裁掉右下角水印。WorkBuddy / 混元生图会在成品右下角印一行 // 「AI生成 / WORKBUDD>.」的半透明白字(2026-11 实测:固定贴右边、下边各约 10px, // 高度 51px(1024~1536 边长档)到约 80px(1344x1792 档))。因此只要图片底部真有 // 一条留白,把这条留白整条裁掉,水印必然一起消失——不需要识别水印形状,也不需要 // 知道它的确切尺寸。 // // 为什么判定条件要求「行标准差小 **而且** 接近纯白」:整幅竖向渐变(天空、墙面、 // 纯色背景)的每一行标准差同样很小,只看标准差会把正常画面当留白裁掉。加上亮度 // 下限,才能把「作者有意留的白边」和「画面本身很平」分开。这也正是提示词里要写 // 「下方三分之一纯白留白」的原因:模型给得出 25~38% 的真白边时这条链路才成立。 package media import ( "bytes" "errors" "fmt" "image" "image/draw" "image/jpeg" "image/png" "math" ) const ( // DefaultMinBlank 判定为「可裁留白」的最小高度(像素)。 // 水印最高约 80px + 下边距 10px,所以从 90px 起步:比这更矮的留白裁不干净。 DefaultMinBlank = 90 // DefaultWhiteLum 留白区平均亮度下限(0-255)。实测白边 253~255,留 5 点余量。 DefaultWhiteLum = 248.0 // DefaultJPEGQuality opts.Quality 为 0 时的 JPEG 质量。 DefaultJPEGQuality = 92 // MaxPixels 单张图的像素上限,防解码炸内存(1 亿像素解码后约 400MB)。 MaxPixels = 100_000_000 // rowStdThreshold 判「这一行有内容」的行标准差阈值(0-255 亮度)。 // 实测纯白留白区的行标准差 0.1~0.7,画面内容行普遍 > 2。 rowStdThreshold = 2.0 ) // ErrNotImage 输入不是本包能解的图片(只支持 PNG / JPEG)。 var ErrNotImage = errors.New("不支持的图片格式:只认 PNG / JPEG") // ErrTooLarge 图片像素数超过 MaxPixels。 var ErrTooLarge = errors.New("图片过大:超过像素上限") // ErrUniform 整张图都是同一颜色(没有可裁的内容边界)。 var ErrUniform = errors.New("整张图都是纯色,没有可裁的内容边界") // NoBlankError 底部没有足够的纯白留白,裁了会切到画面。 // // 带上 Result 是为了让调用方拿到实测数字(底部到底有多少像素、亮度多少), // 好据此决定是重画、还是先让 edit 模型把下方涂白。 type NoBlankError struct { Result Result } func (e *NoBlankError) Error() string { return fmt.Sprintf("底部留白不足:只有 %dpx(需 ≥%dpx,且平均亮度 ≥%.0f),裁掉会切到画面", e.Result.BlankPx, e.Result.MinBlank, e.Result.WhiteLum) } // Options 裁切参数。零值即默认(90px 留白断言 + 纯白判定 + 跟随输入格式)。 type Options struct { MinBlank int // <=0 用 DefaultMinBlank WhiteLum float64 // <=0 用 DefaultWhiteLum KeepBlank int // 裁完在内容下方保留的留白像素(>=0) Format string // "" = 跟随输入;"png" / "jpeg" Quality int // JPEG 质量 1-100;<=0 用 DefaultJPEGQuality } // Result 一次裁切的结果(无论成功失败都会填好数字)。 type Result struct { Width int `json:"width"` Height int `json:"height"` OutWidth int `json:"out_width"` OutHeight int `json:"out_height"` Boundary int `json:"boundary"` // 裁切线:保留 [0,boundary) 行 BlankPx int `json:"blank_px"` // 底部纯白留白高度 BlankRatio float64 `json:"blank_ratio"` // 留白占原图高度比例 BlankLum float64 `json:"blank_lum"` // 留白区平均亮度 MinBlank int `json:"min_blank"` WhiteLum float64 `json:"white_lum"` Safe bool `json:"safe"` // 是否判定为可安全裁切 Format string `json:"format"` // 输出格式 png/jpeg Data []byte `json:"-"` // 裁好的图片字节(失败时为空) } // Strip 裁掉图片底部的纯白留白。 // // 返回的 Result 无论 err 是否为 nil 都带实测数字;err 为 *NoBlankError 时说明底部 // 留白不够(此时 Result.Data 为空,调用方应让用户先补白边再裁)。 func Strip(raw []byte, opts Options) (Result, error) { if opts.MinBlank <= 0 { opts.MinBlank = DefaultMinBlank } if opts.WhiteLum <= 0 { opts.WhiteLum = DefaultWhiteLum } if opts.KeepBlank < 0 { opts.KeepBlank = 0 } if opts.Quality <= 0 { opts.Quality = DefaultJPEGQuality } // 先只读文件头拿尺寸、查像素上限,再完整解码:解码按声明的尺寸一次分配像素缓冲, // 几十 KB 的高压缩 PNG 就能声明上亿像素,上限放在解码之后拦不住这次分配。 cfg, _, err := image.DecodeConfig(bytes.NewReader(raw)) if err != nil { return Result{}, fmt.Errorf("%w: %v", ErrNotImage, err) } if cfg.Width <= 0 || cfg.Height <= 0 { return Result{}, fmt.Errorf("%w: 尺寸为 0", ErrNotImage) } if int64(cfg.Width)*int64(cfg.Height) > MaxPixels { return Result{}, ErrTooLarge } img, inFormat, err := image.Decode(bytes.NewReader(raw)) if err != nil { return Result{}, fmt.Errorf("%w: %v", ErrNotImage, err) } b := img.Bounds() w, h := b.Dx(), b.Dy() res := Result{ Width: w, Height: h, MinBlank: opts.MinBlank, WhiteLum: opts.WhiteLum, Format: chooseFormat(opts.Format, inFormat), } stats := rowStats(img) // boundary 取「最下面一行有内容」的下方一行:0 表示整张图没有任何内容边界 // (纯色/纯渐变),h 表示内容顶到底、没有留白。 boundary := 0 for y := h - 1; y >= 0; y-- { if stats[y].std >= rowStdThreshold { boundary = y + 1 break } } if boundary == 0 { return res, ErrUniform } blank := h - boundary res.Boundary = boundary res.BlankPx = blank res.BlankRatio = float64(blank) / float64(h) if blank > 0 { res.BlankLum = meanLumOverStats(stats[boundary:]) } else { res.BlankLum = meanLumOverStats(stats) } safe := blank >= opts.MinBlank && res.BlankLum >= opts.WhiteLum res.Safe = safe if !safe { return res, &NoBlankError{Result: res} } keep := opts.KeepBlank cropH := boundary + keep if cropH > h { cropH = h } if cropH < 1 { cropH = 1 } cropped := cropImage(img, image.Rect(b.Min.X, b.Min.Y, b.Min.X+w, b.Min.Y+cropH)) out, err := encode(cropped, res.Format, opts.Quality) if err != nil { return res, err } res.Data = out res.OutWidth = w res.OutHeight = cropH return res, nil } // rowStat 一行亮度统计。 type rowStat struct { mean float64 std float64 } // rowStats 逐行算亮度均值与标准差。带 stdlib 常见图像类型的快路径 // (JPEG 解出来是 *image.YCbCr,直接读 Y 平面,不逐像素转颜色)。 func rowStats(img image.Image) []rowStat { b := img.Bounds() w, h := b.Dx(), b.Dy() out := make([]rowStat, h) switch m := img.(type) { case *image.Gray: for y := 0; y < h; y++ { off := (y+b.Min.Y-m.Rect.Min.Y)*m.Stride + (b.Min.X - m.Rect.Min.X) out[y] = statsFromBytes(m.Pix[off : off+w]) } return out case *image.YCbCr: for y := 0; y < h; y++ { off := m.YOffset(b.Min.X, b.Min.Y+y) out[y] = statsFromBytes(m.Y[off : off+w]) } return out case *image.NRGBA: for y := 0; y < h; y++ { off := (y+b.Min.Y-m.Rect.Min.Y)*m.Stride + (b.Min.X-m.Rect.Min.X)*4 out[y] = statsRGB(m.Pix[off : off+w*4]) } return out case *image.RGBA: for y := 0; y < h; y++ { off := (y+b.Min.Y-m.Rect.Min.Y)*m.Stride + (b.Min.X-m.Rect.Min.X)*4 out[y] = statsRGB(m.Pix[off : off+w*4]) } return out } // 通用路径:逐像素取灰度(慢,但不是主路径)。 for y := 0; y < h; y++ { var sum, sumSq float64 for x := 0; x < w; x++ { lum := float64(grayAt(img, b.Min.X+x, b.Min.Y+y)) sum += lum sumSq += lum * lum } out[y] = finishRow(sum, sumSq, w) } return out } // statsFromBytes 单通道(灰度 / Y 平面)行的统计。 func statsFromBytes(pix []byte) rowStat { var sum, sumSq float64 for _, v := range pix { lum := float64(v) sum += lum sumSq += lum * lum } return finishRow(sum, sumSq, len(pix)) } // statsRGB 4 字节/像素(RGBA 或 NRGBA)行的统计,按 ITU-R BT.601 亮度。 func statsRGB(pix []byte) rowStat { var sum, sumSq float64 n := len(pix) / 4 for i := 0; i < n; i++ { j := i * 4 lum := 0.299*float64(pix[j]) + 0.587*float64(pix[j+1]) + 0.114*float64(pix[j+2]) sum += lum sumSq += lum * lum } return finishRow(sum, sumSq, n) } func finishRow(sum, sumSq float64, n int) rowStat { if n <= 0 { return rowStat{} } mean := sum / float64(n) variance := sumSq/float64(n) - mean*mean if variance < 0 { // 浮点误差,别让 NaN 传下去 variance = 0 } return rowStat{mean: mean, std: math.Sqrt(variance)} } // grayAt 通用路径取一点灰度。 func grayAt(img image.Image, x, y int) uint8 { r, g, b, _ := img.At(x, y).RGBA() // 16-bit return uint8((0.299*float64(r) + 0.587*float64(g) + 0.114*float64(b)) / 257.0) } func meanLumOverStats(rows []rowStat) float64 { if len(rows) == 0 { return 0 } var sum float64 for _, r := range rows { sum += r.mean } return sum / float64(len(rows)) } // cropImage 裁出 r 区域(统一到 RGBA,保证编码器走的都是快路径)。 func cropImage(img image.Image, r image.Rectangle) image.Image { dst := image.NewRGBA(image.Rect(0, 0, r.Dx(), r.Dy())) draw.Draw(dst, dst.Bounds(), img, r.Min, draw.Src) return dst } func chooseFormat(want, in string) string { format := want if format == "" { format = in // image.Decode 回报的格式名(png / jpeg) } if format == "jpg" { format = "jpeg" } if format != "png" && format != "jpeg" { format = "png" } return format } func encode(img image.Image, format string, quality int) ([]byte, error) { var buf bytes.Buffer switch format { case "jpeg": if quality < 1 { quality = 1 } if quality > 100 { quality = 100 } if err := jpeg.Encode(&buf, img, &jpeg.Options{Quality: quality}); err != nil { return nil, err } default: enc := png.Encoder{CompressionLevel: png.BestSpeed} if err := enc.Encode(&buf, img); err != nil { return nil, err } } return buf.Bytes(), nil }