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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
342
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178