插图裁剪¶

本页最后更新于，内容可能过时

坐标由模型目测页面图后给定, 脚本只按矩形裁
不做版式识别, 不接 OCR, 不自动找图

环境准备¶

python -m pip install pillow

直接在页面图上裁¶

python .claude/skills/pdf-figure-crop/scripts/crop.py crop "$tmp\p0037-0039-d160.png" \
    --box 90,1580,900,2250 --pad 12 --out "$tmp\fig-1-1.png"

--box 是页面图像素坐标, 顺序固定 x1,y1,x2,y2
--pad 四周外扩像素, 默认 12, 偏大一些更稳妥
坐标就是看图时量到的像素, 这条路径不做任何换算

裁得不合适就重新量坐标再裁一次, 不保留废弃的图

裁完自检¶

裁完读回这张图, 逐项确认

教材印的图注没有被裁进来, 图注由笔记另写在上方
图形边缘完整, 圆, 坐标轴, 面板图的第一行都没有被切
邻栏正文没有被框进来, 图在右侧而正文在左时最容易带进来
图上方的公式行或正文行没有被带入

四项都过再交给下一步

换算回源页高清重裁¶

页面图 dpi 偏低, 图里的字看不清时走这条
页面图是单页渲染的还是多页拼的, 这条路径都适用, 差别只在坐标清单

python .claude/skills/pdf-figure-crop/scripts/crop.py crop "$tmp\p0037-0039-d160.png" \
    --box 90,1580,900,2250 --manifest "$tmp\p0037-0039-d160.json" \
    --from-page --dpi 300 --out "$tmp\fig-1-1-hi.png"

--manifest 是 pdf-page-image 产出的坐标清单, 必填
--dpi 是重新渲染源页的 dpi, 默认 300
脚本按清单把页面图坐标换回源页坐标, 重渲那一页再裁
换算只在脚本里做一处, 页面图 y 与页内 y 的关系是 y 减去该页块的起始行和页号标签条高度

产物¶

单张 png, 放仓库外的临时目录, 命名 fig-<章号>-<图序>.png
图2-1 存成 fig-2-1.png, 图序是 图2-1 里的那个 1, 不带章号前缀
文件名只作本地暂存, 上传时按 coscmd 的时间戳规则改名

注意事项¶

x2 不大于 x1 或 y2 不大于 y1 时脚本直接报错, 这是坐标写反的典型情形
box 跨页或越界时脚本报错并列出各页的 y 范围
--pad 触到图片边界就裁到边界, 不报错
--pad 按清单的 dpi 计, 不按输出的 dpi 计
--from-page --dpi 300 配 160 dpi 的清单时, --pad 12 在输出图上外扩约 22 像素
换算后留白的视觉宽度与直接在页面图上裁一致
输出固定 png, 不放大不压缩
插图本身分辨率低时, 先裁出来再交给 super-resolution 处理, 不要在裁图时插值放大