KennethJAllen/proper-pixel-art

解决的问题

该工具将看起来像像素艺术的嘈杂高分辨率图像（通常由生成式AI模型或低质量网页上传生成）转换为干净、真实分辨率的像素资产。它解决了标准下采样失败的问题，因为这些图像通常具有非均匀网格和随机伪影。

工作原理

该工具使用计算机视觉流水线来恢复原始像素网格：

1. 预处理：裁剪边缘并处理透明度问题。
2. 边缘检测：使用Canny边缘检测和形态学闭运算来找到「像素」的边界。
3. 网格恢复：采用概率霍夫变换识别水平和垂直线，聚类后计算中位间距，建立一致的网格。
4. 最终处理：对图像颜色进行量化，并将每个网格单元中最常见的颜色分配给单个像素，以真实分辨率重建图像。

对于视频和GIF，该工具会采样若干帧以确定单一共享网格和调色板，确保动画在帧之间保持一致且无闪烁。

适用人群

• 游戏开发者：希望清理AI生成的资源或低质量像素艺术截图。
• Python开发者：希望将此恢复过程集成到自己的应用程序中，通过Python API使用。
• 数字艺术家：希望从嘈杂源中自动恢复像素级精确的资产。

主要亮点

• 动画支持：处理视频和GIF时保持帧间一致性。
• 灵活接口：提供CLI、Python API和Web界面（托管于Hugging Face Spaces）。
• 可自定义：支持YAML配置文件，用于微调边缘检测和颜色量化参数。
• Canny与霍夫变换：使用成熟的CV技术，确保在对抗性示例中也能稳健检测网格。