admtracksteel/SteelXR
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

🚀 Auto-deploy: melhoria no snap e medição AR em 31/05/2026 01:18:12

Browse Source
This commit is contained in:
admtracksteel
2026-05-31 01:18:12 +00:00
parent 6372047b9d
commit 43ce36e7a6
4 changed files with 37 additions and 21 deletions
Download Patch File Download Diff File Expand all files Collapse all files
process_images.py
+37 -21
View File
@@ -1,7 +1,7 @@
from PIL import Image
import numpy as np
def remove_black_background(img_path, out_path):
def remove_black_background(img_path, out_path, t_low=32, t_high=80):
# Carregar imagem e garantir modo RGBA
img = Image.open(img_path).convert("RGBA")
data = np.array(img)
@@ -9,41 +9,57 @@ def remove_black_background(img_path, out_path):
# Extrair canais
r, g, b, a = data[:,:,0], data[:,:,1], data[:,:,2], data[:,:,3]
# O alpha original é estimado pelo valor máximo dos canais R, G, B
# Isso funciona porque o fundo é preto (0,0,0)
# Usamos fmax para obter o valor float e evitar overflow/underflow
# O valor de brilho de cada pixel é dado pelo máximo dos canais R, G, B
max_rgb = np.fmax(np.fmax(r, g), b)
# Criar nova imagem com o mesmo tamanho
new_data = np.zeros_like(data)
# O novo alpha é o valor máximo de R, G, B
new_alpha = max_rgb.astype(np.uint8)
# Calcular o novo alpha com base na rampa de threshold
# Se max_rgb <= t_low -> alpha = 0
# Se max_rgb >= t_high -> alpha = max_rgb (ou 255 se quisermos opacidade total)
# Se t_low < max_rgb < t_high -> interpolação linear
# Onde new_alpha é maior que zero, desmultiplicamos a cor para remover o halo preto
mask = new_alpha > 0
new_alpha = np.zeros_like(max_rgb, dtype=float)
# Copiar canais
new_data[:,:,0] = r
new_data[:,:,1] = g
new_data[:,:,2] = b
new_data[:,:,3] = new_alpha
# Máscara para pixels totalmente opacos (ou usando o brilho original)
mask_full = max_rgb >= t_high
# Opcionalmente, definimos opacidade 255 para o miolo brilhante do logotipo para ficar bem nítido
new_alpha[mask_full] = 255.0
# Aplicar unmultiplying alpha para clarear os pixels semi-transparentes de borda
# R_new = R_old * 255 / alpha
alpha_float = new_alpha.astype(float)
# Máscara para pixels de transição (antialiasing)
mask_trans = (max_rgb > t_low) & (max_rgb < t_high)
new_alpha[mask_trans] = 255.0 * (max_rgb[mask_trans] - t_low) / (t_high - t_low)
# Converter alpha final para uint8
final_alpha = np.clip(new_alpha, 0, 255).astype(np.uint8)
# Máscara de pixels visíveis
mask_visible = final_alpha > 0
# Inicializar os canais de cores com zeros
new_data[:,:,0] = 0
new_data[:,:,1] = 0
new_data[:,:,2] = 0
new_data[:,:,3] = final_alpha
# Aplicar unmultiplying alpha nas cores para remover o halo escuro e clarear pixels de transição
alpha_float = final_alpha.astype(float)
for i in range(3):
channel = data[:,:,i].astype(float)
# Onde a máscara for verdadeira, calcula. Onde for falsa, deixa zero.
adjusted = np.zeros_like(channel)
adjusted[mask] = np.minimum(255, (channel[mask] * 255.0 / alpha_float[mask]))
# Onde for visível, recuperamos a cor original.
# Para evitar divisão por zero, usamos a máscara de pixels visíveis
adjusted[mask_visible] = np.minimum(255, (channel[mask_visible] * 255.0 / np.maximum(1.0, max_rgb[mask_visible])))
new_data[:,:,i] = adjusted.astype(np.uint8)
# Salvar a nova imagem
out_img = Image.fromarray(new_data, "RGBA")
out_img.save(out_path, "PNG")
print(f"Processada: {img_path} -> {out_path}")
print(f"Processada com sucesso: {img_path} -> {out_path} (T_low: {t_low}, T_high: {t_high})")
if __name__ == "__main__":
remove_black_background("logotipo_steelXR.png", "public/logotipo_steelXR_transparente.png")
remove_black_background("iconeXR.png", "public/iconeXR_transparente.png")
# O logotipo tem fundo com brilho aproximado de 28
remove_black_background("logotipo_steelXR.png", "public/logotipo_steelXR_transparente.png", t_low=32, t_high=75)
# O ícone tem fundo com brilho de 9
remove_black_background("iconeXR.png", "public/iconeXR_transparente.png", t_low=12, t_high=50)