使用prev_gen工具生成Gruvbox Material配色方案预览图的技术解析
2025-07-03 05:15:22作者:郜逊炳
在开源项目Gruvbox Material的开发过程中,开发者使用了prev_gen工具来生成配色方案的预览图像。本文将深入解析这一技术实现过程,帮助开发者理解如何从PNG预览图反向生成配色代码,以及如何创建SVG格式的配色预览。
工具版本选择
要重现Gruvbox Material的配色预览生成过程,需要使用prev_gen工具的2.1版本。这是因为在3.0版本之前,工具尚未添加代码重建功能。开发者可以通过pip安装指定版本:
pip install prev-gen==2.1
反向生成配色代码
核心的反向生成过程通过Python脚本实现,主要步骤如下:
- 从PNG图像中提取颜色值
- 为每种颜色指定名称(需要手动配置)
- 生成可用于重新创建预览的Python代码
from glob import glob
from prev_gen import Reverse
# 定义颜色名称的分组
names = [
['bg_dim', 'bg0', 'bg1', 'bg2', 'bg3', 'bg4', 'bg5'],
# 其他颜色组...
]
for image_file in glob('*.png'):
if 'main' in image_file:
continue
# 生成Python代码模板
code = f'from prev_gen import Color, Preview, Settings\npalette = [\n Settings(fileName=\'{image_file.removesuffix(".png")}\', gridWidth=400, gridHeight=200),'
# 从图像反向获取颜色
colors = Reverse(image_file)
# 为每个颜色组添加代码
for color_row, name_row in zip(colors, names):
code += '\n ['
for color, name in zip(color_row, name_row):
if color:
code += f'\n Color(\'{color.hex}\', \'{name}\'),'
code += '\n ],'
code += '\n]\nPreview(palette, save=True, show=False)'
# 保存生成的代码文件
with open(image_file.removesuffix('.png') + '.py', 'w') as f:
f.write(code)
升级工具并生成新预览
完成代码生成后,可以升级到最新版prev_gen工具:
pip install -U prev-gen
然后使用生成的代码文件重新创建预览图:
from glob import glob
for code_file in glob('*.py'):
if 'main' in code_file:
continue
with open(code_file, 'r') as f:
exec(f.read())
SVG格式预览生成
新版prev_gen工具支持直接生成SVG格式的预览图,这对创建配色方案的衍生版本非常有用。生成命令如下:
prev_gen --out py filename.png # 从PNG生成代码
prev_gen --unsafe --out svg codefile.py # 从代码生成SVG
注意事项
- 生成的代码中可能会出现'None'字符串,需要手动移除
- 颜色名称需要根据实际配色方案手动配置
- 不是所有PNG预览图都能直接反向生成代码,部分需要手动调整
通过这套流程,开发者可以轻松地为Gruvbox Material及其他配色方案创建高质量的预览图像,特别是SVG格式的矢量预览,便于在不同场景下使用和分享。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219