Meglévő képek szerkesztése (inpainting, outpainting)
Ezen az oldalon
Frissítve: 2026. november 2. — Képmodellek. A
gpt-image-1modellt, amelyre ezt a tananyagot eredetileg írtuk, 2026. október 23-án megszüntették. Emellett agpt-image-1.5,gpt-image-1-miniés achatgpt-image-latestmodellek is kivezetésre kerülnek 2026. december 1-jén. A példák most agpt-image-2.5-sunburstmodellt használják, amely a legmagasabb pontosságot nyújtja szerkesztéshez; agpt-image-2.5-flarepedig gyorsabb az általános generálásnál. Mindkét modell támogatja azxhighésmaxminőségi beállításokat is. A GPT Image modellek mindig base64 formátumban adják vissza a képeket: a régebbi DALL·E modellek által használtresponse_formatparamétert már nem fogadják el, és eltávolítottuk a kódból. Forrás: Image generation (OpenAI).
Meglévő képek szerkesztése
A client.images.edit() metódus egy meglévő képet módosít egy maszk segítségével, amely meghatározza az újragenerálandó területet. Ez két eltérő használati esetet eredményez, amelyeket érdemes pontosan megnevezni, mivel különböző maszkokat igényelnek. Az inpainting egy belső terület kitöltése vagy cseréje – például megváltoztathatod az eget egy tájképen, a képernyőt egy számítógépen, vagy egy fal színét. Ezzel szemben az outpainting kiterjeszti a képet az eredeti határain túl, például egy négyzet alakú portrét panoráma bannerrel alakítasz át.
Hogyan működik a maszk
A maszk egy PNG kép, amelynek mérete megegyezik a forrásképével. Az átlátszó területek (alfa = 0) jelzik, hol kell a modellnek új tartalmat generálnia; a opak (átlátszatlan) területek érintetlenek maradnak. Ez a konvenció elsőre ellentmondásosnak tűnhet: természetesen azt szeretnéd „lefestogetni“, amit megváltoztatni akarsz, de valójában lyukat kell vágnod a maszkon. Maga az API-hívás egyszerű marad, csak a két fájlra és arra a leírásra van szükség, hogy mi jelenjen meg.
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))
Nincs szükséged grafikai szerkesztőre a maszk elkészítéséhez. A Pillow könyvtár néhány sorral képes előállítani: kezdj egy teljesen opak réteggel, amely megegyezik a forrás méreteivel, majd rajzold meg azt az alakzatot, amit átlátszóvá szeretnél tenni. Az alábbi szkript egy téglalap alakú ablakot hoz létre a kép közepén.
from PIL import Image, ImageDraw
# Forráskép betöltése a méretek lekéréséhez
source = Image.open("desk_photo.png")
width, height = source.size
# Teljesen opak maszk létrehozása (fekete)
mask = Image.new("RGBA", (width, height), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Átlátszó terület rajzolása (a szerkesztendő rész)
# Téglalap a kép közepén
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"Maszk létrehozva: {width}x{height}, szerkeszthető terület a közepen")
Inpainting: Egy elem cseréje
Ha többször is elvégzed ezt a műveletet, érdemes a maszk létrehozását és az API-hívást egyetlen függvénybe foglalni, amelyet a módosítandó régió paraméterez. A promptnak ekkor csak a maszkolt területen várható tartalmat kell leírnia, soha nem a kép többi részét. Az alábbi példa ezt a függvényt alkalmazza egy tájképfotóra, ahol csak a felső 400 pixelt – az eget – módosítja, hogy viharos hangulatot kölcsönözzön neki.
from openai import OpenAI
from PIL import Image, ImageDraw
import base64
client = OpenAI()
def inpaint_region(image_path, region, prompt, output_path):
"""
Téglalap alakú régió cseréje egy képen.
region: tuple (x1, y1, x2, y2) pixelben
"""
# Maszk létrehozása
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")
# API hívás
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open("temp_mask.png", "rb"),
prompt=prompt
)
# Eredmény mentése
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Szerkesztett kép mentve: {output_path}")
# Példa: Az ég cseréje egy tájképen
inpaint_region(
image_path="landscape.png",
region=(0, 0, 1024, 400), # Felső rész = az ég
prompt="Dramatic sky with purple storm clouds at sunset",
output_path="landscape_sky_edited.png"
)
Outpainting: A kép kiterjesztése
Egy kép nagyítása extra lépést igényel, mert az API nem tud közvetlenül tartalmat generálni egy fájl „mellé“. Először létre kell hoznod egy nagyobb vásznat, ráilleszteni az eredetit, és olyan maszkot biztosítani, amely pontosan az eredeti kép által elfoglalt területet védi. A teljes logika az új méretek és a beillesztési pozíció kiszámításán alapul a kért irány függvényében.
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):
"""
Kép kiterjesztése adott irányba.
direction: 'right', 'bottom', 'left', 'top'
extra_pixels: hozzáadandó pixelek száma
"""
source = Image.open(image_path).convert("RGBA")
w, h = source.size
# Új méretek kiszámítása
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)
# Kiterjesztett vászon létrehozása (átlátszó = generálandó terület)
extended = Image.new("RGBA", new_size, (0, 0, 0, 0))
extended.paste(source, paste_pos)
# A maszk: mindenhol átlátszó, kivéve ahol az eredeti kép helyezkedik el
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)
# Ideiglenes mentés
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"Kiterjesztett kép mentve: {output_path}")
# Portré kiterjesztése jobbra
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"
)
Figyeld meg a kiterjesztésre vonatkozó prompt megfogalmazását: „a jelenet természetes folytatása, ugyanolyan megvilágítással és háttérrel“. Az outpainting során nem egy új tárgyat írsz le, hanem arra kéred a modellt, hogy folytassa azt, amit már lát. Egy túlságosan kreatív prompt látható illesztési varratot eredményezne az eredeti és a hozzáadott terület között.
Iteratív szerkesztés
Semmi sem akadályozza meg, hogy ugyanazon a képen több szerkesztést láncolj össze, ahol minden kimenet a következő lépés bemeneteként szolgál. Ez a legmegbízhatóbb módja egy összetett kompozíció felépítésének: először kezeld a hátteret, majd az előteret, minden egyes lépéshez dedikált maszkkal, ahelyett, hogy abban bíznál, egyetlen prompt mindent egyszerre megold.
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
# 1. lépés: A háttér módosítása
step1 = edit_step(
"scene.png", "mask_background.png",
"Lush tropical forest background",
"scene_step1.png"
)
# 2. lépés: Egy elem hozzáadása az előtérhez
step2 = edit_step(
step1, "mask_foreground.png",
"A colorful macaw parrot perched on a branch",
"scene_step2.png"
)
print(f"Végeredmény: {step2}")
Főbb megállapítások
Négy technikai szabály határozza meg a hívás sikerét. Bármelyikük megszegése azonnali hibát eredményez, nem pedig romló minőségű találatot.
- A forrásképnek és a maszknak azonos méretűnek kell lennie
- Mindkét fájlnak PNG formátumban kell lennie
- A maximális fájlméret 4 MB
- A maszk az alfa-csatornát használja a szerkeszthető területek meghatározására
Ehhez a korlátozásokhoz járul még egy empirikus megfigyelés: az eredmények akkor konzisztensebbek, ha a maszkolt terület a kép kevesebb mint 50%-át teszi ki. Efelett a modellnek túl kevés kontextusa marad a helyes összemosáshoz, és gyakran jobb eredményt érsz el, ha a módosítást két egymást követő szerkesztésre bontod.
Gyakorold ezt egy saját asztalodról készült fotóval vagy bármilyen jogdíjmentes képpel: írj egy szkriptet, amely automatikusan generál egy maszkot a kép felső negyedére, kicseréli ezt a területet egy csillagos égboltra, és helyben elmenti az eredményt.