Umi-CUT 安装和配置指南
2026-01-21 04:39:54作者:凤尚柏Louis
1. 项目基础介绍和主要编程语言
项目基础介绍
Umi-CUT 是一个开源的图片批量去黑边/裁剪/压缩工具,具有用户友好的界面。它能够批量处理本地图片,支持范围裁剪、自动去除黑/白边、调整大小和压缩体积等功能。通过范围裁剪和去黑边两种功能配合,可以绕过图片边缘的干扰色块,提取图片中部的所需内容。
主要编程语言
Umi-CUT 主要使用 Python 编程语言开发。
2. 项目使用的关键技术和框架
关键技术
- Python 3.x: 项目的主要编程语言。
- OpenCV: 用于图像处理的关键库,提供了丰富的图像处理功能。
- Tkinter: 用于创建图形用户界面(GUI)。
框架
- OpenCV: 用于图像处理的核心框架。
- Tkinter: 用于构建用户界面的框架。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
- 安装 Python 3.x: 确保你的系统上已经安装了 Python 3.x。如果没有安装,可以从 Python 官方网站 下载并安装。
- 安装 Git: 用于克隆项目代码。如果没有安装,可以从 Git 官方网站 下载并安装。
- 安装依赖库: 项目依赖于 OpenCV 和 Tkinter,这些库可以通过 pip 安装。
详细安装步骤
步骤 1: 克隆项目代码
首先,打开终端或命令提示符,使用 Git 克隆项目代码:
git clone https://github.com/hiroi-sora/Umi-CUT.git
步骤 2: 进入项目目录
进入克隆下来的项目目录:
cd Umi-CUT
步骤 3: 安装依赖库
使用 pip 安装项目所需的依赖库:
pip install -r requirements.txt
步骤 4: 运行项目
在项目目录下,运行主程序文件 main.py:
python main.py
配置指南
- 打开主程序: 运行
main.py后,会弹出 Umi-CUT 的主界面。 - 拖入图片或文件夹: 将需要处理的图片或包含图片的文件夹拖入窗口中的白色背景表格区域,或点击左上方的“浏览”按钮选择图片。
- 开始任务: 点击右上方的“开始任务”按钮,等待进度条走完。
- 查看输出: 处理完成后,在第一张图片的目录下的
# 裁剪文件夹中查看输出图片。
其他参数设置
- 设置选项卡: 点击“设置”选项卡。
- 参数设置: 点击“参数设置”打开配置窗口,根据提示调整参数。
- 手动裁剪范围: 红色框为手动裁剪的范围,虚线框是在手动裁剪基础上自动去除剩下黑边的范围。
- 自动裁切边缘颜色: 可切换自动裁切边缘的颜色为黑色/白色。
- 中值滤波参数: 若待处理图片的黑边中含有少量杂色、噪点,调高中值滤波参数(但滤波值太高可能导致留下很窄的黑边)。
- 阈值参数: 若待处理图片的黑边不是纯“黑”,调高阈值参数(但阈值太高可能导致需要保留的部分也被裁剪)。
通过以上步骤,你可以顺利安装和配置 Umi-CUT,并开始批量处理图片。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust014
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
629
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++
947
888
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
303
🎉 (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
1.57 K
909
暂无简介
Dart
922
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381