Íomhánna atá ann cheana a chur in eagar (inpainting, outpainting)
Ar an leathanach seo
Nuashonraithe 2 Samhain, 2026 — Múnlaí íomhá. Cuireadh deireadh le
gpt-image-1, an múnla ar scríobhadh an cúrsa seo dó ar dtús, ar 23 Deireadh Fómhair, 2026. Ina theannta sin, scorfar degpt-image-1.5,gpt-image-1-mini, aguschatgpt-image-latestar 1 Meán Fómhair, 2026. Úsáideann na samplaí anoisgpt-image-2.5-sunburst, a thairgeann an bheachtas is airde le haghaidh eagarthóireachta; tágpt-image-2.5-flareníos tapúla le haghaidh giniúna ginearálta. Tacaíonn an dá mhúnla leis na socruithe cáilíochtaxhighagusmaxfreisin. Aischuireann múnlaí GPT Image íomhánna i gcónaí i bhformáid base64: ní ghlactar a thuilleadh leis an bparaiméadarresponse_formata d’úsáid seanmhúnlaí DALL·E, agus baineadh as an gcód é. Foinse: Giniúint íomhá (OpenAI).
Íomhánna atá ann cheana a chur in eagar
Athraíonn an modh client.images.edit() íomhá atá ann cheana trí úsáid a bhaint as masc chun an limistéar atá le hathghiniúint a shainiú. Tagann dhá chás úsáide ar leith as seo, agus fiú iad a ainmniú go beacht toisc go n-éilíonn siad mascanna difriúla. Líonann nó athsholáthraíonn inpainting limistéar istigh—d’fhéadfá an spéir i dtírdhreach a athrú, an scáileán ar ríomhaire, nó dath balla. Ar an láimh eile, síneann outpainting an íomhá thar a teorainneacha bunaidh, mar shampla portráid chearnógach a thiontú go meirge panarámach.
Conas a oibríonn an masc
Is íomhá PNG í an masc a bhfuil na toisí céanna aici leis an íomhá foinse. Léiríonn limistéir thrédhearcacha (alfa = 0) cá háit ar chóir don mhúnla ábhar nua a ghiniúint; fanann limistéir dhoiléire gan athrú. Tá an coinbhinsiún seo contrártha leis an intuigeadh ar dtús: ba mhaith leat go nádúrtha “péinteáil” ar an rud atá le hathrú, ach i ndáiríre ní mór duit poll a ghearradh sa masc ina ionad sin. Fanann an glaoch API féin simplí, ag éileamh ach an dá chomhad agus cur síos ar an rud ba chóir a bheith le feiceáil.
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))
Ní gá duit eagarthóir grafaicí chun an masc seo a chruthú. Is féidir le Pillow ceann a ghiniúint i gcúpla líne cód: tosaigh le sraithe atá doiléir go hiomlán agus a mheaitseálann toisí na foinse, ansin tarraing an chruth atá le déanamh trédhearcach. Cruthaíonn an script thíos fuinneog dhronuilleogach i lár na híomhá.
from PIL import Image, ImageDraw
# Load the source image to get its dimensions
source = Image.open("desk_photo.png")
width, height = source.size
# Create a fully opaque mask (black)
mask = Image.new("RGBA", (width, height), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Draw a transparent area (the area to edit)
# Rectangle in the center of the image
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: Eilimint a athsholáthar
Nuair a dhéanann tú an oibríocht seo arís, is ciallmhar an fheidhm chruthaithe masc agus an glaoch API a chapsúlú i bhfeidhm amháin, paraiméadraithe de réir an réigiúin atá le modhnú. Ba chóir don leid ansin cur síos a dhéanamh ar an ábhar atá súil leis laistigh den limistéar mascáilte amháin, agus gan an chuid eile den íomhá a lua. Cuirtear an fheidhm seo i bhfeidhm sa sampla thíos ar ghrianghraf tírdhreacha, ag modhnú na 400 picteilín is airde amháin—an spéir—chun atmaisféar stoirmeach a thabhairt dó.
from openai import OpenAI
from PIL import Image, ImageDraw
import base64
client = OpenAI()
def inpaint_region(image_path, region, prompt, output_path):
"""
Replace a rectangular region in an image.
region: tuple (x1, y1, x2, y2) in pixels
"""
# Create the mask
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")
# Call the API
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open("temp_mask.png", "rb"),
prompt=prompt
)
# Save the result
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Edited image saved: {output_path}")
# Example: Replace the sky in a landscape photo
inpaint_region(
image_path="landscape.png",
region=(0, 0, 1024, 400), # Top part = the sky
prompt="Dramatic sky with purple storm clouds at sunset",
output_path="landscape_sky_edited.png"
)
Outpainting: An íomhá a shíneadh
Éilíonn méadú ar íomhá céim bhreise toisc nach féidir leis an API ábhar a ghiniúint “in aice le” comhad go díreach. Ní mór duit canbhás níos mó a chruthú ar dtús, an bunleagan a ghreamú air, agus masc a sholáthar a chosnaíonn go beacht an limistéar a ghlacann an bunleagan sin. Braitheann an loighic ar fad ar na toisí nua agus ar an bpost ghreamaithe a ríomh bunaithe ar an treo a iarradh.
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):
"""
Extend an image in a given direction.
direction: 'right', 'bottom', 'left', 'top'
extra_pixels: number of pixels to add
"""
source = Image.open(image_path).convert("RGBA")
w, h = source.size
# Calculate new dimensions
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)
# Create the extended canvas (transparent = area to generate)
extended = Image.new("RGBA", new_size, (0, 0, 0, 0))
extended.paste(source, paste_pos)
# The mask: transparent everywhere except where the original image is placed
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)
# Save temporarily
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}")
# Extend a portrait to the right
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"
)
Tabhair faoi deara foclaíocht an leide leathnaithe: “leanúint nádúrtha den radharc, an soilsiú agus an cúlra céanna.” In outpainting, ní ábhar nua atá tú a chur síos; tá tú ag iarraidh ar an múnla an rud atá feicthe aige cheana a shíneadh. Chruthódh leid ró-chruthaitheach seam infheicthe idir an bunleagan agus an limistéar breise.
Eagarthóireacht iteráideach
Níl aon rud ag cur bac ort iliomad eagarthóireachtaí a shlabhrú ar an íomhá chéanna, ag úsáid gach aschuir mar ionchur don chéad chéim eile. Seo an bealach is iontaofa chun comhdhéanamh casta a thógáil: déileáil leis an gcúlra ar dtús, ansin leis an tulra, le masc tiomnaithe do gach pas, seachas bheith ag súil go ndéanfaidh leid amháin gach rud a shocrú ar fad ag an am céanna.
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
# Step 1: Modify the background
step1 = edit_step(
"scene.png", "mask_background.png",
"Lush tropical forest background",
"scene_step1.png"
)
# Step 2: Add an element to the foreground
step2 = edit_step(
step1, "mask_foreground.png",
"A colorful macaw parrot perched on a branch",
"scene_step2.png"
)
print(f"Final result: {step2}")
Srianta tábhachtacha
Rialaíonn ceithre riail theicniúla rath an ghlaoigh. Má sháraíonn tú ceann ar bith acu, tarlaíonn earráid láithreach seachas toradh ídithe.
- Ní mór don íomhá foinse agus don masc na toisí céanna a bheith acu
- Ní mór don dá chomhad a bheith i bhformáid PNG
- Is é 4 MB an t-uasmhéid in aghaidh an chomhaid
- Úsáideann an masc an cainéal alfa chun limistéir in-eagarthóireachta a shainiú
Cuireann breathnóireacht amháin eimpíreach leis na srianta seo: bíonn torthaí níos comhsheasmhaí nuair a léiríonn an limistéar mascáilte níos lú ná 50% den íomhá. Thairis sin, tá ró-bheag comhthéacs ag an múnla chun meascadh i gceart, agus minic a gheobhaidh tú torthaí níos fearr trí do mhodhnú a roinnt ina dhá eagarthóireacht leantacha.
Cuir é seo i bhfeidhm le grianghraf de do dheasc nó le haon íomhá saor ó ríchíosa: scríobh script a ghineann masc go huathoibríoch thar an gceathrú cuid is airde den íomhá, a athsholáthraíonn an limistéar sin le spéir réaltaí, agus a shábhálann an toradh go háitiúil.