高效图片批量处理工具 Umi-CUT：从安装到精通指南
【免费下载链接】Umi-CUT项目地址: https://gitcode.com/gh_mirrors/um/Umi-CUT
🔥功能亮点
Umi-CUT 是一款基于 Python 和 OpenCV 开发的开源图片批量处理工具，核心功能包括智能去黑边、区域裁剪与图像压缩。通过直观的图形界面，用户可快速完成大批量图片的自动化处理，尤其适用于去除扫描件边缘杂色、提取文档核心区域等场景。
智能边缘检测
💡自动识别边界
内置自适应阈值算法，可精准识别黑边/白边区域，支持中值滤波预处理以应对噪点干扰。通过动态调整检测参数，平衡裁剪精度与内容保留度。
批量任务处理
💡多线程并行加速
采用任务队列机制，支持同时处理数百张图片。拖放式文件导入设计，支持单个图片、文件夹批量导入，大幅降低操作复杂度。
可视化裁剪预览
💡实时区域调整
提供双框预览模式：红色实线框标记手动裁剪范围，虚线框显示自动去边结果，用户可直观对比调整效果，避免过度裁剪风险。
🔥快速上手
3步完成环境部署
| 操作指令 | 预期结果 |
|---|---|
▶️git clone https://gitcode.com/gh_mirrors/um/Umi-CUT | 克隆项目代码至本地 |
▶️cd Umi-CUT | 切换至项目根目录 |
▶️pip install -r requirements.txt | 安装依赖库（OpenCV/Pillow等） |
5分钟掌握核心功能
导入素材
将图片或文件夹拖入主界面表格区域，或点击「浏览」按钮选择文件。导入后自动显示图片路径、尺寸与格式信息。启动处理
点击右上角「开始任务」按钮，进度条实时显示处理进度。单张图片处理平均耗时<2秒，100张图片批量处理约3分钟。查看结果
输出文件自动保存至原图片目录下的「# 裁剪」文件夹，文件名保留原命名规则并添加处理标记（如IMG_001_cropped.jpg）。
⚠️常见问题
Q: 处理后图片丢失部分内容？
A: 建议降低阈值参数（默认值80），或扩大手动裁剪区域。阈值设置建议范围：纯黑边60-80，灰边杂色80-120。
🔥进阶配置
配置自动裁剪参数
| 参数名称 | 功能说明 | 推荐范围 |
|---|---|---|
| 边缘颜色 | 切换黑边/白边检测模式 | 黑色/白色 |
| 中值滤波 | 消除边缘噪点（值越高平滑效果越强） | 3-7（奇数） |
| 裁剪阈值 | 调整边缘识别敏感度 | 60-150 |
| 最小保留比 | 限制最大裁剪区域（防止过度裁剪） | 0.5-0.8 |
自定义输出设置
- 打开「设置」选项卡，点击「参数设置」按钮
- 配置输出格式（JPG/PNG）、压缩质量（1-100）与命名规则
- 勾选「覆盖原文件」选项可直接替换源图片（建议先备份）
命令行模式调用
对于高级用户，可通过命令行直接执行处理任务：
# 批量处理指定文件夹 python main.py --input ./images --output ./results --color black --threshold 90 # 单文件精确裁剪 python main.py --single ./test.jpg --left 50 --top 50 --right 800 --bottom 600💡扩展技巧
- 配合 Windows 任务计划程序，可实现定时监控文件夹并自动处理新图片
- 修改
config.py中的DEFAULT_OUTPUT_DIR参数，自定义默认输出路径 - 通过
processingAPI.py中的CropProcessor类，可集成至其他 Python 项目
通过以上功能，Umi-CUT 实现了从简单裁剪到专业图像处理的全流程覆盖，兼顾易用性与功能性，是文档处理、图片整理的高效辅助工具。项目持续维护中，欢迎提交 Issue 或 PR 参与功能改进。
图：Umi-CUT 工具图标，标识包含"去边"文字元素，体现核心功能定位
【免费下载链接】Umi-CUT项目地址: https://gitcode.com/gh_mirrors/um/Umi-CUT
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
