Премини към основното съдържание
Български— Изберете език
Меню

Редактиране на съществуващи изображения (inpainting, outpainting)

Урок 3 от 12 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. Редактиране на съществуващи изображения
  2. Как работи маската
  3. Inpainting: Замяна на елемент
  4. Outpainting: Разширяване на изображението
  5. Итеративно редактиране
  6. Ключови ограничения

Обновено на 2 ноември 2026 г. — Модели за изображения. gpt-image-1, моделът, за който първоначално беше написан този курс, беше спрян от употреба на 23 октомври 2026 г. Освен това gpt-image-1.5, gpt-image-1-mini и chatgpt-image-latest ще бъдат оттеглени на 1 декември 2026 г. Примерите сега използват gpt-image-2.5-sunburst, който предлага най-висока прецизност при редактиране; gpt-image-2.5-flare е по-бърз за общо генериране. И двата модела поддържат и настройки за качество xhigh и max. Моделите GPT Image винаги връщат изображения в base64: параметърът response_format, използван от по-старите модели на DALL·E, вече не се приема и е премахнат от кода. Източник: Image generation (OpenAI).

Редактиране на съществуващи изображения

Методът client.images.edit() модифицира съществуващо изображение, като използва маска за дефиниране на областта за регенериране. Това води до два различни случая на употреба, които си заслужава да бъдат именувани точно, тъй като изискват различни маски. Inpainting попълва или замества вътрешна област – може да промените небето в пейзаж, екрана на компютър или цвета на стена. Outpainting, от друга страна, разширява изображението извън оригиналните му граници, например превръщайки квадратен портрет в панорамен банер.

Как работи маската

Маската е PNG изображение със същите размери като изходното изображение. Прозрачните области (алфа = 0) показват къде моделът трябва да генерира ново съдържание; непрозрачните области остават незасегнати. Тази конвенция е контраинтуитивна в началото: естествено искате да „нарисувате“ това, което искате да промените, но всъщност трябва да изрежете дупка в маската. Самото обаждане към API остава просто и изисква само двата файла и описание на това, което трябва да се появи.

import base64
from openai import OpenAI

client = OpenAI()

response = client.images.edit(
    model="gpt-image-2.5-sunburst",
    image=open("desk_photo.png", "rb"),
    mask=open("desk_mask.png", "rb"),
    prompt="A computer screen displaying a modern analytics dashboard"
)

with open("edited_desk.png", "wb") as f:
    f.write(base64.b64decode(response.data[0].b64_json))

Нямате нужда от графичен редактор, за да създадете тази маска. Pillow може да генерира такава само с няколко реда код: започнете с напълно непрозрачен слой, съответстващ на размерите на източника, след което начертайте формата, която искате да направите прозрачна. Скриптът по-долу създава правоъгълен прозорец в центъра на изображението.

from PIL import Image, ImageDraw

# Заредете изходното изображение, за да получите размерите му
source = Image.open("desk_photo.png")
width, height = source.size

# Създайте напълно непрозрачна маска (черна)
mask = Image.new("RGBA", (width, height), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)

# Начертайте прозрачна област (областта за редактиране)
# Правоъгълник в центъра на изображението
x1, y1 = width // 4, height // 4
x2, y2 = 3 * width // 4, 3 * height // 4
draw.rectangle([x1, y1, x2, y2], fill=(0, 0, 0, 0))

mask.save("desk_mask.png")
print(f"Mask created: {width}x{height}, editable area in center")

Inpainting: Замяна на елемент

След като повторите тази операция, има смисъл да обедините създаването на маската и обаждането към API в една функция, параметризирана от региона за модифициране. Промптът (подсказката) тогава трябва да описва само съдържанието, очаквано в маскираната област, никога останалата част от изображението. Примерът по-долу прилага тази функция към пейзажна снимка, модифицирайки само горните 400 пиксела – небето – за да му придаде бурна атмосфера.

from openai import OpenAI
from PIL import Image, ImageDraw
import base64

client = OpenAI()

def inpaint_region(image_path, region, prompt, output_path):
    """
    Замяна на правоъгълен регион в изображение.
    region: tuple (x1, y1, x2, y2) в пиксели
    """
    # Създаване на маската
    source = Image.open(image_path)
    mask = Image.new("RGBA", source.size, (0, 0, 0, 255))
    draw = ImageDraw.Draw(mask)
    draw.rectangle(region, fill=(0, 0, 0, 0))
    mask.save("temp_mask.png")

    # Обаждане към API
    response = client.images.edit(
        model="gpt-image-2.5-sunburst",
        image=open(image_path, "rb"),
        mask=open("temp_mask.png", "rb"),
        prompt=prompt
    )

    # Запазване на резултата
    with open(output_path, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Edited image saved: {output_path}")


# Пример: Замяна на небето в пейзажна снимка
inpaint_region(
    image_path="landscape.png",
    region=(0, 0, 1024, 400),  # Горна част = небето
    prompt="Dramatic sky with purple storm clouds at sunset",
    output_path="landscape_sky_edited.png"
)

Outpainting: Разширяване на изображението

Увеличаването на изображението изисква допълнителна стъпка, тъй като API не може да генерира съдържание „до“ файл директно. Първо трябва да създадете по-голямо платно, да поставите оригинала върху него и да предоставите маска, която защитава точно областта, заета от този оригинал. Цялата логика се основава на изчисляването на новите размери и позицията на поставяне въз основа на поисканата посока.

from openai import OpenAI
from PIL import Image
import base64
from io import BytesIO

client = OpenAI()

def outpaint(image_path, direction, extra_pixels, prompt, output_path):
    """
    Разширяване на изображение в дадена посока.
    direction: 'right', 'bottom', 'left', 'top'
    extra_pixels: брой пиксели за добавяне
    """
    source = Image.open(image_path).convert("RGBA")
    w, h = source.size

    # Изчисляване на новите размери
    if direction == "right":
        new_size = (w + extra_pixels, h)
        paste_pos = (0, 0)
    elif direction == "bottom":
        new_size = (w, h + extra_pixels)
        paste_pos = (0, 0)
    elif direction == "left":
        new_size = (w + extra_pixels, h)
        paste_pos = (extra_pixels, 0)
    elif direction == "top":
        new_size = (w, h + extra_pixels)
        paste_pos = (0, extra_pixels)

    # Създаване на разширеното платно (прозрачно = област за генериране)
    extended = Image.new("RGBA", new_size, (0, 0, 0, 0))
    extended.paste(source, paste_pos)

    # Маската: прозрачна навсякъде, освен където е поставено оригиналното изображение
    mask = Image.new("RGBA", new_size, (0, 0, 0, 0))
    opaque = Image.new("RGBA", (w, h), (0, 0, 0, 255))
    mask.paste(opaque, paste_pos)

    # Временно запазване
    extended.save("temp_extended.png")
    mask.save("temp_mask_outpaint.png")

    response = client.images.edit(
        model="gpt-image-2.5-sunburst",
        image=open("temp_extended.png", "rb"),
        mask=open("temp_mask_outpaint.png", "rb"),
        prompt=prompt
    )

    with open(output_path, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Extended image saved: {output_path}")


# Разширяване на портрет надясно
outpaint(
    image_path="portrait.png",
    direction="right",
    extra_pixels=512,
    prompt="Natural continuation of the scene, same lighting and background",
    output_path="portrait_extended.png"
)

Обърнете внимание на формулировката на промпта за разширяване: „естествено продължение на сцената, същото осветление и фон“. При outpainting не описвате нов обект; вие молите модела да разшири това, което вече вижда. Твърде креативен промпт би произвел видим шев между оригинала и добавената област.

Итеративно редактиране

Нищо не Ви пречи да верижите множество редакции върху едно и също изображение, като използвате всеки изход като вход за следващата стъпка. Това е най-надеждният начин за изграждане на сложна композиция: обработете първо фона, след това предния план, със специална маска за всеки проход, вместо да се надявате, че един единствен промпт ще оправи всичко наведнъж.

import base64
from openai import OpenAI

client = OpenAI()

def edit_step(image_path, mask_path, prompt, output_path):
    response = client.images.edit(
        model="gpt-image-2.5-sunburst",
        image=open(image_path, "rb"),
        mask=open(mask_path, "rb"),
        prompt=prompt
    )
    with open(output_path, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    return output_path

# Стъпка 1: Модифициране на фона
step1 = edit_step(
    "scene.png", "mask_background.png",
    "Lush tropical forest background",
    "scene_step1.png"
)

# Стъпка 2: Добавяне на елемент към предния план
step2 = edit_step(
    step1, "mask_foreground.png",
    "A colorful macaw parrot perched on a branch",
    "scene_step2.png"
)

print(f"Final result: {step2}")

Ключови ограничения

Четири технически правила управляват успеха на обаждането. Нарушаването на което и да е от тях води до незабавна грешка, а не до влошен резултат.

  • Изходното изображение и маската трябва да имат еднакви размери
  • И двата файла трябва да бъдат във формат PNG
  • Максималният размер на файл е 4 MB
  • Маската използва алфа канала за дефиниране на областите за редактиране

Към тези ограничения се добавя едно емпирично наблюдение: резултатите са по-последователни, когато маскираната област представлява по-малко от 50% от изображението. Отвъд тази граница моделът разполага с твърде малко контекст, за да се смеси правилно, и често ще получите по-добри резултати, като разделите модификацията си на две последователни редакции.

Приложете това на практика със снимка на бюрото си или с произволно изображение без авторски права: напишете скрипт, който автоматично генерира маска върху горната четвърт от изображението, замества тази област със звездно небе и запазва резултата локално.