[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-72324":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":22,"archived":23,"fork":23,"defaultBranch":24,"hasWiki":23,"hasPages":23,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":32,"readmeContent":33,"aiSummary":34,"trendingCount":16,"starSnapshotCount":16,"syncStatus":35,"lastSyncTime":36,"discoverSource":37},72324,"LiYing","aoguai\u002FLiYing","aoguai","LiYing is an automated photo processing program designed for automating the post-processing workflow of ID photos in general photo studios. | LiYing 是一套适用于自动化 完成一般照相馆后期证件照处理流程的照片自动处理的程序。","",null,"Python",3226,268,16,1,0,4,7,22,12,72.99,"GNU Affero General Public License v3.0",false,"master",[26,27,28,29,30,31],"background-replacement","image-compression","image-cropping","photo-layout","photo-processing","portrait-recognition","2026-06-12 04:01:04","\u003Cdiv align=\"center\">\n\n\u003Ch1>LiYing\u003C\u002Fh1>\n\n简体中文 | [English](.\u002FREADME-EN.md)\n\n[![GitHub release](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fv\u002Frelease\u002Faoguai\u002FLiYing?color=369eff&labelColor=black&logo=github&style=flat-square)](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Freleases\u002Flatest)\n[![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Faoguai\u002FLiYing?color=ffcb47&labelColor=black&style=flat-square)](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Fstargazers)\n[![GitHub issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Faoguai\u002FLiYing?color=ff80eb&labelColor=black&style=flat-square)](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Fissues)\n[![GitHub contributors](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fcontributors\u002Faoguai\u002FLiYing?color=c4f042&labelColor=black&style=flat-square)](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Fgraphs\u002Fcontributors)\n[![GitHub forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Faoguai\u002FLiYing?color=8ae8ff&labelColor=black&style=flat-square)](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Fnetwork\u002Fmembers)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-AGPL--3.0-white?labelColor=black&style=flat-square)](..\u002FLICENSE)\n\n\u003Cp>LiYing 是一套适用于自动化完成一般照相馆后期证件照处理流程的照片自动处理的程序。\u003C\u002Fp>\n\n\u003C\u002Fdiv>\n\n\u003Cbr>\n\n## 🧭 项目介绍\n\nLiYing 可以完成人体、人脸自动识别，角度自动纠正，自动更换任意背景色，任意尺寸证件照自动裁切，并自动排版。\n\nLiYing 可以完全离线运行。所有图像处理操作都在本地运行。\n\n### 工作流程\n\n![workflows](..\u002Fimages\u002Fworkflows.png)\n\n### 效果展示\n\n| ![test1](..\u002Fimages\u002Ftest1.jpg) | ![test2](..\u002Fimages\u002Ftest2.jpg) | ![test3](..\u002Fimages\u002Ftest3.jpg) |\n| ----------------------------- | ---------------------------- | ---------------------------- |\n| ![test1_output_sheet](..\u002Fimages\u002Ftest1_output_sheet.jpg)(1寸-5寸相片纸-3*3) | ![test2_output_sheet](..\u002Fimages\u002Ftest2_output_sheet.jpg)(2寸-5寸相片纸-2*2) | ![test3_output_sheet](..\u002Fimages\u002Ftest3_output_sheet.jpg)(1寸-6寸相片纸-4*2) |\n\n**注：本项目仅针对证件照图像处理，而非要求任意照片图像都可以完美执行，所以该项目的输入图片应该是符合一般要求的单人肖像照片。**\n\n**如果您使用复杂图片制作证件照出现意外情况属于正常现象。**\n\n\u003Cbr>\n\n## ⚙️ 开始使用\n\n### 整合包\n\n如果你是 Windows 用户且没有代码阅览需求，可以[下载整合包](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Freleases\u002Flatest)（已在 Windows 7 SP1 &  Windows 10 测试）\n\n整合包从未包含模型，您可以参考 [下载对应模型](#下载对应模型) 章节说明来下载模型并放入正确的位置。\n\n同时如果运行存在问题，请先尝试按照 [先决条件](#先决条件) 章节完善环境，如果没问题可以忽略。\n\n#### 运行整合包\n\n运行 BAT 脚本：\n```shell\ncd LiYing\nrun.bat .\u002Fimages\u002Ftest1.jpg\n```\n\n运行 WebUI 界面：\n```shell\n# 运行 WebUI\ncd LiYing\nrun_webui.bat\n# 浏览器访问 127.0.0.1:7860\n```\n\n### 🛠 先决条件\n\n1. **依赖项**\n   - LiYing 依赖于 AGPicCompress\n   - AGPicCompress 需要依赖于 mozjpeg 和 pngquant\n   - 您可能需要手动安装 pngquant，参考 [pngquant 官方文档](https:\u002F\u002Fpngquant.org\u002F)\n\n2. **pngquant 配置位置**\n   - 环境变量（推荐）\n   - LiYing\u002Fsrc 目录下\n   - LiYing\u002Fsrc 目录下的 `ext` 目录\n\n3. **系统要求**\n   - Windows 用户需要安装最新 [Microsoft Visual C++ Redistributable 依赖](https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fcpp\u002Fwindows\u002Flatest-supported-vc-redist)\n   - Windows 系统最低要求 Windows 7 SP1 及以上\n\n### 🧪 从源码构建\n\n1. 克隆项目：\n```shell\ngit clone https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\ncd LiYing ## 进入 LiYing 目录\npip install -r requirements.txt # 安装依赖\n```\n\n**注： 如果您使用的是 Windows 7 系统请您至少需要是 Windows 7 SP1 以上版本，且要求 `onnxruntime==1.14.0, orjson==3.10.7, gradio==4.44.1`**\n\n### GPU推理加速（可选）\n\n如需使用英伟达GPU加速推理，请按以下步骤操作：\n\n1. 确保已安装 [CUDA](https:\u002F\u002Fdeveloper.nvidia.com\u002Fcuda-downloads) 与 [cuDNN](https:\u002F\u002Fdeveloper.nvidia.com\u002Fcudnn)\n2. [查找 ONNX、CUDA 与 cuDNN 之间的对应版本](https:\u002F\u002Fonnxruntime.ai\u002Fdocs\u002Fexecution-providers\u002FCUDA-ExecutionProvider.html)\n2. 安装支持 GPU 的 onnxruntime 版本：\n   ```bash\n   # 如果已安装 CPU 版本，先卸载\n   pip uninstall onnxruntime\n   # 安装 GPU 版本, 确保版本正确\n   pip install onnxruntime-gpu\n   ```\n\n当前版本系统会自动检测是否支持 GPU，如果支持则优先使用 GPU 进行推理，否则会自动回退到 CPU。无需额外配置。\n\n**如果存在问题请优先检查且确保使用的 Python 版本 、CUDA 版本 、cuDNN 版本 与 onnxruntime-gpu 版本相互兼容。**\n\n\u003Cbr>\n\n### 📦 下载对应模型\n\n您需要下载该项目使用到的模型并将其放置在 `LiYing\u002Fsrc\u002Fmodel` 中。或者您可以在 CIL 中指定模型路径。\n\n| 用途                     | 模型名称              | 下载链接                                                                                                                                           | 来源                                                     |\n|------------------------|-------------------|------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------|\n| 人脸识别                  | Yunnet            | [下载链接](https:\u002F\u002Fgithub.com\u002Fopencv\u002Fopencv_zoo\u002Fblob\u002Fmain\u002Fmodels\u002Fface_detection_yunet\u002Fface_detection_yunet_2023mar.onnx)                           | [Yunnet](https:\u002F\u002Fgithub.com\u002FShiqiYu\u002Flibfacedetection)  |\n| 主体识别替换背景              | RMBG-1.4\u002F2.0 | [1.4 下载链接](https:\u002F\u002Fhuggingface.co\u002Fbriaai\u002FRMBG-1.4\u002Fblob\u002Fmain\u002Fonnx\u002Fmodel.onnx)\u002F[2.0 下载链接](https:\u002F\u002Fhuggingface.co\u002Fbriaai\u002FRMBG-2.0\u002Ftree\u002Fmain\u002Fonnx) | [BRIA AI](https:\u002F\u002Fhuggingface.co\u002Fbriaai)     |\n| 人体识别                  | yolov8n-pose      | [下载链接](https:\u002F\u002Fgithub.com\u002Fultralytics\u002Fassets\u002Freleases\u002Fdownload\u002Fv8.2.0\u002Fyolov8n-pose.pt)                                                         | [ultralytics](https:\u002F\u002Fgithub.com\u002Fultralytics\u002Fultralytics) |\n\n**注： 对于 yolov8n-pose 模型，您需要将其导出为 ONNX 模型，您可以参考[官方文档](https:\u002F\u002Fdocs.ultralytics.com\u002Fintegrations\u002Fonnx\u002F)实现**\n\n同时，我们提供了转换好的 ONNX 模型，您可以直接下载使用：\n\n| 下载方式         | 链接                                                                             |\n|--------------|--------------------------------------------------------------------------------|\n| Google Drive | [下载链接](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1F8EQfwkeq4s-P2W4xQjD28c4rxPuX1R3\u002Fview) |\n| 百度网盘         | [下载链接(提取码：ahr9)](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1QhzW53vCbhkIzvrncRqJow?pwd=ahr9)             |\n| Github releases | [下载链接](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing\u002Freleases\u002Flatest)             |\n\n#### 🚀 运行\n\n查看 CIL 帮助：\n```shell\ncd LiYing\u002Fsrc\npython main.py --help\n```\n\n对于 Window 用户，项目提供了 bat 运行脚本：\n```shell\n# 运行 BAT 脚本\ncd LiYing\nrun.bat .\u002Fimages\u002Ftest1.jpg\n```\n\n运行 WebUI：\n```shell\ncd LiYing\u002Fsrc\u002Fwebui\npython app.py\n```\n\n### 🧾 CIL 参数信息与帮助\n\n```shell\npython main.py --help \nUsage: main.py [OPTIONS] IMG_PATH\n\nOptions:\n  -y, --yolov8-model-path PATH    YOLOv8 模型路径\n  -u, --yunet-model-path PATH     YuNet 模型路径\n  -r, --rmbg-model-path PATH      RMBG 模型路径\n  -sz, --size-config PATH         尺寸配置文件路径\n  -cl, --color-config PATH        颜色配置文件路径\n  -b, --rgb-list RGB_LIST         RGB(A) 通道值列表（英文逗号分隔，可选 Alpha: 0-255），用于图像合成\n  -s, --save-path PATH            保存路径\n  -p, --photo-type TEXT           照片类型\n  -ps, --photo-sheet-size TEXT    选择照片表格的尺寸\n  -c, --compress \u002F --no-compress  是否压缩图像（使用 AGPicCompress 压缩）\n  -sv, --save-corrected \u002F --no-save-corrected\n                                  是否保存修正图像后的图片\n  -bg, --change-background \u002F --no-change-background\n                                  是否替换背景\n  -sb, --save-background \u002F --no-save-background\n                                  是否保存替换背景后的图像\n  -lo, --layout-only              仅排版照片，不更换背景\n  -sr, --sheet-rows INTEGER       照片表格的行数\n  -sc, --sheet-cols INTEGER       照片表格的列数\n  -rt, --rotate \u002F --no-rotate     是否旋转照片90度\n  -rs, --resize \u002F --no-resize     是否调整图像尺寸\n  -svr, --save-resized \u002F --no-save-resized\n                                  是否保存调整尺寸后的图像\n  -al, --add-crop-lines \u002F --no-add-crop-lines\n                                  在照片表格上添加裁剪线\n  -ts, --target-size INTEGER      目标文件大小（KB）。指定后将忽略质量和大小范围参数。\n  -szr, --size-range SIZE_RANGE   文件大小范围（KB），格式为最小值,最大值（例如：10,20）\n  -uc, --use-csv-size \u002F --no-use-csv-size\n                                  是否使用CSV中的文件大小限制\n  -lp, --layout-position INTEGER RANGE\n                                  布局位置(0-8)：0=左上，1=上，2=右上，3=左中，4=中，5=右中，6=左下，7\n                                  =下，8=右下  [0\u003C=x\u003C=8]\n  -psp, --photos-spacing INTEGER  照片间距（像素，默认0）\n  --help                          Show this message and exit.\n```\n\n### 🗂 配置文件\n\n在该版本中，在`data`目录中设置了常规的证件照配置`size_XX.csv`与常用颜色配置`color_XX.csv`，您可以自行按照给出的 CSV 模板格式修改或增删配置。\n\n\u003Cbr>\n\n### 🐳 Docker 部署\n\n---\n\n#### ️ 一、构建镜像\n\n##### 使用 docker-compose 构建\n\n项目根目录执行：\n\n```bash\ndocker compose build\n```\n\n##### 手动构建镜像\n\n在项目根目录执行以下命令：\n\n```bash\ndocker build -t liying\u002Fwebui:latest .\n```\n\n---\n\n### 二、启动服务\n\n使用以下命令启动 Gradio Web UI 服务：\n\n```bash\ndocker compose up -d\n```\n\n启动后，可通过浏览器访问：\n\n```\nhttp:\u002F\u002F127.0.0.1:7860\n```\n\n---\n\n如遇问题，建议先检查模型是否正确放置于 `src\u002Fmodel\u002F` 下，并确认端口未被占用。\n\n需要了解更多部署细节或进阶配置，可查看 [`Dockerfile`](.\u002FDockerfile) 和 [`docker-compose.yml`](.\u002Fdocker-compose.yml)。\n\n\u003Cbr>\n\n## 🧱 更新日志\n\n**注意该版本对 CIL 参数进行了更改，为了避免问题请你仔细阅读最新 CIL 帮助文档**\n\n- **2026\u002F02\u002F16 更新**\n  - 新增 Docker 部署支持\n  - 新增 GPU 推理加速支持\n  - 新增 `photos-spacing` 选项\n  - 新增 `layout-position` 选项\n  - 新增 支持透明背景输出与快速背景预览\n  - 新增 WebUI 支持批量上传\u002F处理与批量下载\n  - 优化 WebUI 在服务器部署场景下的图片下载\n  - 修复 其他已知 BUG\n\n\u003Cdetails> \n    \u003Csummary>往期更新日志\u003C\u002Fsummary>\n\n- **2025\u002F06\u002F30 更新**\n  - 新增 size_range 选项，允许用户输入照片文件大小的最小值和最大值，尝试在保持质量的同时确保文件大小在范围内\n  - 新增 target_size 选项，用于控制照片文件大小\n  - 新增 RMBG-2.0 与 yolov8 较高迭代版本的支持（需要在 Latest 环境下）\n  - 新增 CLI\u002FBAT\u002FWEBUI 版本的自动构建\n  - 新增 模型路径配置选项\n  - 修复 已知BUG\n\n- **2025\u002F02\u002F07 更新**\n  - **添加 WebUI**\n  - 优化 配置方式，用 CSV 替换 INI 配置\n  - 添加 CI\u002FCD 方便自动构建与测试\n  - 添加 仅排版照片, 是否在照片表格上添加裁剪线 选项\n  - 完善 对非脸部图像的兜底处理\n  - 修复 已知BUG\n  - 添加修正补充了更多尺寸\n\n- **2024\u002F08\u002F06 更新**\n  - 新增 photo-type 和 photo-sheet-size 支持直接输入宽高像素，支持使用 data.ini 配置\n  - 修复 部分 i18n 导致的已知问题，现在可以兼容中英文配置\n  - 修复 其他已知BUG\n\n\u003C\u002Fdetails>\n\n\u003Cbr>\n\n## 🙏 致谢\n\n该项目的制作初衷和项目名称来源于帮助我的父母更轻松的完成他们的工作，在此感谢我的父母。\n\n### 相关项目\n\n同时特别感谢以下项目和贡献者：\n\n提供模型与理论：\n\n- [Yunnet](https:\u002F\u002Fgithub.com\u002FShiqiYu\u002Flibfacedetection)\n- [RMBG-1.4](https:\u002F\u002Fhuggingface.co\u002Fbriaai\u002FRMBG-1.4)\n- [ultralytics](https:\u002F\u002Fgithub.com\u002Fultralytics\u002Fultralytics)\n\n或许你会对图片压缩部分感兴趣，那是我另一个开源项目：\n\n- [AGPicCompress](https:\u002F\u002Fgithub.com\u002Faoguai\u002FAGPicCompress)\n\n它依赖于：\n\n- [mozjpeg](https:\u002F\u002Fgithub.com\u002Fmozilla\u002Fmozjpeg)\n- [pngquant](https:\u002F\u002Fgithub.com\u002Fkornelski\u002Fpngquant)\n- [mozjpeg-lossless-optimization](https:\u002F\u002Fgithub.com\u002Fwanadev\u002Fmozjpeg-lossless-optimization)\n\n\u003Cbr>\n\n## 🤝 贡献\n\nLiYing 是一个开源项目，非常欢迎社区的参与。要为该项目做出贡献，请遵循[贡献指南](.\u002FCONTRIBUTING.md)。\n\n\u003Cbr>\n\n## 📄 开源协议\n\n[LiYing](https:\u002F\u002Fgithub.com\u002Faoguai\u002FLiYing) 使用 AGPL-3.0 license 进行开源，详情请参阅 [LICENSE](..\u002FLICENSE) 文件。\n\n\u003Cbr>\n\n## 💖 赞赏\n\n如果这个项目对您有帮助，欢迎任意赞赏，这对我十分有帮助，感谢您的支持！\n\n```\nUSDT(TRON):TWFDp8aZMWZHPXjBodyhfPeK8LUyrWe9mi\n```\n\n\u003Cimg src=\"..\u002Fimages\u002Fusdt_thanks.jpg\" width = \"300\" height = \"300\" alt=\"usdt_thanks\"\u002F>\n\n\u003Cbr>\n\n## ⭐ Star History\n\n\u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#aoguai\u002FLiYing&Timeline\">\n  \u003Cpicture>\n    \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=aoguai\u002Fsubscription&type=Timeline&theme=dark\" \u002F>\n    \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=aoguai\u002Fsubscription&type=Timeline\" \u002F>\n    \u003Cimg alt=\"Star History Chart\" src=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=aoguai\u002Fsubscription&type=Timeline\" \u002F>\n  \u003C\u002Fpicture>\n\u003C\u002Fa>\n","LiYing 是一套专为一般照相馆设计的自动化证件照后期处理程序。其核心功能包括人体和人脸自动识别、角度自动纠正、背景色自动更换、任意尺寸证件照自动裁切及排版等，所有图像处理均在本地离线完成。采用Python语言编写，支持通过命令行或Web界面进行操作，并且对符合要求的单人肖像照片有较好的处理效果。适用于需要批量处理证件照但又希望保持高质量输出的专业摄影工作室和个人用户。",2,"2026-06-11 03:41:22","high_star"]