Επεξεργασία υπαρχόντων εικόνων (inpainting, outpainting)
Σε αυτήν τη σελίδα
Ενημερώθηκε στις 2 Νοεμβρίου 2026 — Μοντέλα εικόνων. Το
gpt-image-1, το μοντέλο για το οποίο γράφτηκε αρχικά αυτό το μάθημα, αποσύρθηκε στις 23 Οκτωβρίου 2026. Επιπλέον, ταgpt-image-1.5,gpt-image-1-miniκαιchatgpt-image-latestθα αποσυρθούν την 1η Δεκεμβρίου 2026. Τα παραδείγματα χρησιμοποιούν πλέον τοgpt-image-2.5-sunburst, το οποίο προσφέρει την υψηλότερη ακρίβεια για επεξεργασία· τοgpt-image-2.5-flareείναι ταχύτερο για γενική δημιουργία. Και τα δύο μοντέλα υποστηρίζουν επίσης τις ρυθμίσεις ποιότηταςxhighκαιmax. Τα μοντέλα GPT Image επιστρέφουν πάντα εικόνες σε base64: η παράμετροςresponse_formatπου χρησιμοποιούσαν τα παλαιότερα μοντέλα DALL·E δεν γίνεται πλέον δεκτή και έχει αφαιρεθεί από τον κώδικα. Πηγή: Image generation (OpenAI).
Επεξεργασία υπαρχόντων εικόνων
Η μέθοδος client.images.edit() τροποποιεί μια υπάρχουσα εικόνα χρησιμοποιώντας μια μάσκα για να ορίσει την περιοχή που θα αναδημιουργηθεί. Αυτό οδηγεί σε δύο διακριτές περιπτώσεις χρήσης, τις οποίες αξίζει να ονομάσουμε με ακρίβεια, καθώς απαιτούν διαφορετικές μάσκες. Το Inpainting συμπληρώνει ή αντικαθιστά μια εσωτερική περιοχή—μπορείτε να αλλάξετε τον ουρανό σε ένα τοπίο, την οθόνη σε έναν υπολογιστή ή το χρώμα ενός τοίχου. Το Outpainting, αντιθέτως, επεκτείνει την εικόνα πέρα από τα αρχικά της όρια, όπως η μετατροπή μιας τετράγωνης πορτρέτο σε πανοραμικό banner.
Πώς λειτουργεί η μάσκα
Η μάσκα είναι μια εικόνα PNG με τις ίδιες διαστάσεις με την εικόνα προέλευσης. Οι διαφανείς περιοχές (alpha = 0) υποδεικνύουν πού πρέπει το μοντέλο να δημιουργήσει νέο περιεχόμενο· οι αδιαφανείς περιοχές παραμένουν α untouched. Αυτή η σύμβαση είναι αρχικά αντιδιαισθητική: φυσικά θέλετε να «ζωγραφίσετε» αυτό που θέλετε να αλλάξετε, αλλά στην πραγματικότητα πρέπει να κόψετε μια τρύπα στη μάσκα. Η ίδια η κλήση API παραμένει απλή, απαιτώντας μόνο τα δύο αρχεία και μια περιγραφή του τι πρέπει να εμφανιστεί.
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))
Δεν χρειάζεστε πρόγραμμα επεξεργασίας γραφικών για να δημιουργήσετε αυτή τη μάσκα. Το Pillow μπορεί να δημιουργήσει μία σε λίγες μόνο γραμμές: ξεκινήστε με ένα πλήρως αδιαφανές στρώμα που ταιριάζει στις διαστάσεις της πηγής και στη συνέχεια σχεδιάστε το σχήμα που θέλετε να κάνετε διαφανές. Το παρακάτω σενάριο δημιουργεί ένα ορθογώνιο παράθυρο στο κέντρο της εικόνας.
from PIL import Image, ImageDraw
# Φορτώστε την εικόνα προέλευσης για να λάβετε τις διαστάσεις της
source = Image.open("desk_photo.png")
width, height = source.size
# Δημιουργήστε μια πλήρως αδιαφανή μάσκα (μαύρη)
mask = Image.new("RGBA", (width, height), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Σχεδιάστε μια διαφανή περιοχή (η περιοχή προς επεξεργασία)
# Ορθογώνιο στο κέντρο της εικόνας
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: Αντικατάσταση ενός στοιχείου
Μόλις επαναλάβετε αυτή τη διαδικασία, έχει νόημα να ενσωματώσετε τη δημιουργία της μάσκας και την κλήση API σε μια ενιαία συνάρτηση, παραμετροποιημένη από την περιοχή προς τροποποίηση. Το prompt πρέπει στη συνέχεια να περιγράφει μόνο το περιεχόμενο που αναμένεται εντός της περιοχής της μάσκας, ποτέ το υπόλοιπο της εικόνας. Το παρακάτω παράδειγμα εφαρμόζει αυτή τη συνάρτηση σε μια φωτογραφία τοπίου, τροποποιώντας μόνο τα πάνω 400 εικονοστοιχεία—τον ουρανό—για να του δώσει μια καταιγιδώδη ατμόσφαιρα.
from openai import OpenAI
from PIL import Image, ImageDraw
import base64
client = OpenAI()
def inpaint_region(image_path, region, prompt, output_path):
"""
Αντικατάσταση μιας ορθογώνιας περιοχής σε μια εικόνα.
region: tuple (x1, y1, x2, y2) σε εικονοστοιχεία
"""
# Δημιουργία της μάσκας
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")
# Κλήση του API
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open("temp_mask.png", "rb"),
prompt=prompt
)
# Αποθήκευση του αποτελέσματος
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Edited image saved: {output_path}")
# Παράδειγμα: Αντικατάσταση του ουρανού σε μια φωτογραφία τοπίου
inpaint_region(
image_path="landscape.png",
region=(0, 0, 1024, 400), # Πάνω μέρος = ο ουρανός
prompt="Dramatic sky with purple storm clouds at sunset",
output_path="landscape_sky_edited.png"
)
Outpainting: Επέκταση της εικόνας
Η μεγέθυνση μιας εικόνας απαιτεί ένα επιπλέον βήμα, καθώς το API δεν μπορεί να δημιουργήσει περιεχόμενο «δίπλα» σε ένα αρχείο απευθείας. Πρέπει πρώτα να δημιουργήσετε έναν μεγαλύτερο καμβά, να επικολλήσετε το πρωτότυπο πάνω του και να παρέχετε μια μάσκα που προστατεύει ακριβώς την περιοχή που καταλαμβάνει το πρωτότυπο. Ολόκληρη η λογική βασίζεται στον υπολογισμό των νέων διαστάσεων και της θέσης επικόλλησης με βάση την κατεύθυνση που ζητήθηκε.
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):
"""
Επέκταση μιας εικόνας προς μια δεδομένη κατεύθυνση.
direction: 'right', 'bottom', 'left', 'top'
extra_pixels: αριθμός εικονοστοιχείων προς προσθήκη
"""
source = Image.open(image_path).convert("RGBA")
w, h = source.size
# Υπολογισμός νέων διαστάσεων
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)
# Δημιουργία του εκτεταμένου καμβά (διαφανές = περιοχή προς δημιουργία)
extended = Image.new("RGBA", new_size, (0, 0, 0, 0))
extended.paste(source, paste_pos)
# Η μάσκα: διαφανής παντού εκτός από εκεί που τοποθετείται η αρχική εικόνα
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)
# Προσωρινή αποθήκευση
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}")
# Επέκταση ενός πορτρέτου προς τα δεξιά
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"
)
Σημειώστε τη διατύπωση του prompt επέκτασης: «natural continuation of the scene, same lighting and background». Στο outpainting, δεν περιγράφετε ένα νέο θέμα· ζητάτε από το μοντέλο να επεκτείνει αυτό που ήδη βλέπει. Ένα υπερβολικά δημιουργικό prompt θα παρήγαγε μια ορατή ραφή μεταξύ του πρωτοτύπου και της προστιθέμενης περιοχής.
Επαναληπτική επεξεργασία
Τίποτα δεν σας εμποδίζει να αλυσοδέσετε πολλαπλές επεξεργασίες στην ίδια εικόνα, χρησιμοποιώντας κάθε έξοδο ως είσοδο για το επόμενο βήμα. Αυτός είναι ο πιο αξιόπιστος τρόπος για να χτίσετε μια σύνθετη σύνθεση: χειριστείτε πρώτα το φόντο και μετά το προσκήνιο, με μια αφιερωμένη μάσκα για κάθε πέρασμα, αντί να ελπίζετε ότι ένα μόνο prompt θα διορθώσει τα πάντα με τη μία.
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
# Βήμα 1: Τροποποίηση του φόντου
step1 = edit_step(
"scene.png", "mask_background.png",
"Lush tropical forest background",
"scene_step1.png"
)
# Βήμα 2: Προσθήκη ενός στοιχείου στο προσκήνιο
step2 = edit_step(
step1, "mask_foreground.png",
"A colorful macaw parrot perched on a branch",
"scene_step2.png"
)
print(f"Final result: {step2}")
Βασικοί περιορισμοί
Τέσσερις τεχνικοί κανόνες διέπουν την επιτυχία της κλήσης. Η παραβίαση οποιουδήποτε από αυτούς οδηγεί σε άμεσο σφάλμα και όχι σε υποβαθμισμένο αποτέλεσμα.
- Η εικόνα προέλευσης και η μάσκα πρέπει να έχουν ίδιες διαστάσεις
- Και τα δύο αρχεία πρέπει να είναι σε μορφή PNG
- Το μέγιστο μέγεθος ανά αρχείο είναι 4 MB
- Η μάσκα χρησιμοποιεί το κανάλι alpha για να ορίσει τις περιοχές προς επεξεργασία
Μια εμπειρική παρατήρηση προστίθεται σε αυτούς τους περιορισμούς: τα αποτελέσματα είναι πιο συνεπή όταν η περιοχή της μάσκας αντιπροσωπεύει λιγότερο από το 50% της εικόνας. Πέρα από αυτό, το μοντέλο έχει πολύ λίγο πλαίσιο για να κάνει σωστή ανάμειξη και συχνά θα έχετε καλύτερα αποτελέσματα διαιρώντας την τροποποίησή σας σε δύο διαδοχικές επεξεργασίες.
Θέστε το σε εφαρμογή με μια φωτογραφία του γραφείου σας ή οποιαδήποτε εικόνα χωρίς πνευματικά δικαιώματα: γράψτε ένα σενάριο που δημιουργεί αυτόματα μια μάσκα πάνω από το πάνω τέταρτο της εικόνας, αντικαθιστά αυτή την περιοχή με έναν έναστρο ουρανό και αποθηκεύει το αποτέλεσμα τοπικά.