给小白的《30讲 · AI编程训练营》第18讲-AI图像处理：让AI看懂图片

大家好，这里是程序员晚枫，正在all in AI编程实战。

第18讲：AI图像处理——让AI看懂图片

AI能对图片做什么？

• 识别图片内容（物体、文字、人脸）
• 生成图片描述
• OCR文字识别
• 图片风格转换

1、安装图像处理库

pip install openai python-office Pillow

2、AI图片理解

import base64
from openai import OpenAI

client = OpenAI(api_key="你的Key", base_url="https://api.deepseek.com")

# 方法1：通过URL识别
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": [
            {"type": "text", "text": "请描述这张图片的内容"},
            {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
        ]}
    ]
)
print(response.choices[0].message.content)

3、OCR文字识别

import office

# 用python-office做OCR
text = office.ocr.read_image("发票.jpg")
print(f"识别结果：{text}")

# 结合AI理解和校正
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "你是文字校对专家"},
        {"role": "user", "content": f"请校对以下OCR识别结果，修正错别字：\n{text}"}
    ]
)
corrected = response.choices[0].message.content
print(f"校正后：{corrected}")

4、批量图片重命名

import office
from openai import OpenAI

client = OpenAI(api_key="你的Key", base_url="https://api.deepseek.com")
import os

img_dir = "照片文件夹"
for filename in os.listdir(img_dir):
    if filename.endswith((".jpg", ".png")):
        filepath = os.path.join(img_dir, filename)
        # OCR识别
        text = office.ocr.read_image(filepath)
        # AI生成文件名
        response = client.chat.completions.create(
            model="deepseek-chat",
            messages=[
                {"role": "user", "content": f"根据以下内容，给这张图片取一个简短的文件名（中文，不超过10个字）：\n{text[:200]}"}
            ]
        )
        new_name = response.choices[0].message.content.strip()
        print(f"{filename} -> {new_name}.jpg")

5、图片格式批量转换

import office

# 批量转换图片格式
office.image.img2pdf("./images", output_dir="./pdfs")
office.image.add_watermark("照片.jpg", "晚枫出品", "水印版.jpg")

6、实战：发票信息提取器

import office
from openai import OpenAI
import json

client = OpenAI(api_key="你的Key", base_url="https://api.deepseek.com")

def extract_invoice(image_path):
    """从发票图片中提取关键信息"""
    text = office.ocr.read_image(image_path)
    
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[{
            "role": "user", 
            "content": f"""从以下发票文本中提取信息，以JSON格式返回：
{{
    "invoice_number": "发票号码",
    "date": "开票日期",
    "amount": "金额",
    "seller": "销售方",
    "buyer": "购买方"
}}
文本：{text}"""
        }],
        temperature=0
    )
    return json.loads(response.choices[0].message.content)

result = extract_invoice("发票.jpg")
print(f"发票号：{result['invoice_number']}")
print(f"金额：{result['amount']}")

下讲预告

学会了AI图像处理，下一讲我们学 AI语音处理——让AI听懂你说的话。

敬请期待！

---

程序员晚枫专注AI编程培训，小白看完他和图灵社区合作的教程《30讲 · AI编程训练营》就能上手做AI项目。

前3讲可以试听，试听链接：https://www.bilibili.com/cheese/play/ss982042944

进群

嗨，扫码 进群

微信