Paint by Numbers Generator 技术文档
2026-01-25 05:36:25作者:钟日瑜
1. 安装指南
1.1 环境准备
- Node.js: 确保你的系统上已经安装了Node.js。你可以从Node.js官网下载并安装。
- npm: Node.js安装完成后,npm(Node Package Manager)会自动安装。
1.2 安装项目依赖
- 克隆项目到本地:
git clone https://github.com/drake7707/paintbynumbersgenerator.git - 进入项目目录:
cd paintbynumbersgenerator - 安装项目依赖:
npm install
2. 项目的使用说明
2.1 使用Web版本
- 启动本地服务器:
npm start - 打开浏览器,访问
http://localhost:3000,即可使用Web版本的Paint by Numbers Generator。
2.2 使用CLI版本
- 运行CLI版本:
paint-by-numbers-generator-win.exe -i input.png -o output.svg - 你可以通过
-c参数指定自定义的settings.json文件,例如:paint-by-numbers-generator-win.exe -i input.png -o output.svg -c path_to_settings.json
3. 项目API使用文档
3.1 主要参数说明
- randomSeed: 随机种子,用于确定k-means聚类算法的初始起点。确保每次生成相同的结果。
- kMeansNrOfClusters: 图像量化后的颜色数量。
- kMeansMinDeltaDifference: k-means聚类的阈值距离,达到该距离后停止聚类。较大的值会加快聚类速度,但可能产生次优的聚类结果。默认值为1。
- kMeansClusteringColorSpace: 聚类时使用的颜色空间。
- kMeansColorRestrictions: 指定使用的颜色。可以是一个RGB值数组或颜色名称数组(参考颜色别名)。如果不指定颜色,则不应用任何限制。
- colorAliases: 颜色别名映射,键是颜色名称,值是RGB颜色(数字数组)。你可以在颜色限制中使用这些颜色名称。
- removeFacetsSmallerThanNrOfPoints: 移除小于指定像素数的区域。降低该值会生成更详细的结果,但可能更难以实际绘制。
- removeFacetsFromLargeToSmall: 从大到小移除区域,防止边界扭曲形状,但可能会显著减慢速度。
- maximumNumberOfFacets: 如果区域数量超过指定最大值,则移除最小的区域,直到达到限制。
- nrOfTimesToHalveBorderSegments: 减少边界线段中的点数(使用Haar小波减少),会平滑二次曲线,但会损失细节。线段始终保留其起点和终点。
- narrowPixelStripCleanupRuns: 窄像素清理,移除单像素行,防止区域边界线段过窄。小区域移除可能会引入新的窄像素条,因此会重复几次迭代运行。
- resizeImageIfTooLarge: 如果输入图像大于指定尺寸,则调整大小以适应,但保持比例。
- resizeImageWidth: 宽度限制。
- resizeImageHeight: 高度限制。
3.2 输出配置文件
你可以定义输出配置文件,以指定输出格式(SVG、PNG、JPG)和特定设置。例如:
{
"name": "full",
"svgShowLabels": true,
"svgFillFacets": true,
"svgShowBorders": true,
"svgSizeMultiplier": 3,
"svgFontSize": 50,
"svgFontColor": "#333",
"filetype": "png"
}
4. 项目安装方式
4.1 本地运行
- 安装项目依赖:
npm install - 启动本地服务器:
npm start
4.2 编译CLI版本
- 安装
pkg工具:npm install pkg -g - 在项目根目录下运行编译命令:
这将生成适用于Linux、Windows和macOS的可执行文件。pkg .
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥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
68
20
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
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
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
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
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1