Rediģēt esošos attēlus (inpainting, outpainting)
Šajā lapā
Atjaunināts 2026. gada 2. novembrī — Attēlu modeļi.
gpt-image-1, modelis, kuram sākotnēji bija rakstīts šis kurss, tika izslēgts no lietošanas 2026. gada 23. oktobrī. Turklātgpt-image-1.5,gpt-image-1-miniunchatgpt-image-latesttiks pārtraukti 2026. gada 1. decembrī. Piemēros tagad tiek izmantotsgpt-image-2.5-sunburst, kas nodrošina visaugstāko precizitāti rediģēšanai;gpt-image-2.5-flareir ātrāks vispārīgai ģenerēšanai. Abi modeļi atbalsta arīxhighunmaxkvalitātes iestatījumus. GPT Image modeļi vienmēr atgriež attēlus base64 formātā: parametrsresponse_format, ko izmantoja vecāki DALL·E modeļi, vairs netiek pieņemts un ir izņemts no koda. Avots: Attēlu ģenerēšana (OpenAI).
Esošo attēlu rediģēšana
Metode client.images.edit() modificē esošu attēlu, izmantojot masku, lai definētu apgabalu, kas jāģenerē no jauna. Tas rada divus atšķirīgus lietojumgadījumus, kurus ir vērts precīzi nosaukt, jo tie prasa dažādas maskas. Inpainting aizpilda vai aizstāj iekšēju apgabalu — tu vari mainīt debesis ainavā, ekrānu datorā vai sienas krāsu. Savukārt outpainting paplašina attēlu tā sākotnējo robežu ārpusē, piemēram, pārvēršot kvadrātveida portretu panorāmiskā banerī.
Kā darbojas maska
Maska ir PNG attēls ar tādiem pašiem izmēriem kā avota attēlam. Caurspīdīgas zonas (alfa = 0) norāda, kur modelim jāģenerē jauns saturs; nepārredzamas zonas paliek nemainītas. Šī konvencija sākumā šķiet pretrunīga intuīcijai: tu dabiski vēlies „nokrāsot” to, ko vēlies mainīt, bet patiesībā tev ir jāizgriež caurums maskā. Pats API izsaukums paliek vienkāršs, prasot tikai abus failus un aprakstu tam, kas tajā jāparādās.
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))
Lai izveidotu šo masku, tev nav nepieciešams grafikas redaktors. Pillow to spēj ģenerēt tikai dažās rindās: sāc ar pilnībā nepārredzamu slāni, kas atbilst avota izmēriem, un pēc tam uzzīmē formu, ko vēlies padarīt caurspīdīgu. Zemāk esošais skripts attēla centrā izveido taisnstūrveida logu.
from PIL import Image, ImageDraw
# Ielādē avota attēlu, lai iegūtu tā izmērus
source = Image.open("desk_photo.png")
width, height = source.size
# Izveido pilnībā nepārredzamu masku (melnu)
mask = Image.new("RGBA", (width, height), (0, 0, 0, 255))
draw = ImageDraw.Draw(mask)
# Uzzīmē caurspīdīgu apgabalu (rediģējamo zonu)
# Taisnstūris attēla centrā
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"Maska izveidota: {width}x{height}, rediģējamais apgabals centrā")
Inpainting: Elementa aizstāšana
Kad šo operāciju atkārto, ir jēga ietvert maskas izveidi un API izsaukumu vienā funkcijā, parametrizējot to ar modificējamo apgabalu. Promptam tad ir jāapraksta tikai saturs, kas sagaidāms maskētajā apgabalā, nekad pārējā attēla daļa. Zemāk esošais piemērs pielieto šo funkciju ainavas fotogrāfijai, modificējot tikai augšējos 400 pikseļus — debesis —, lai piešķirtu tām vētrainu atmosfēru.
from openai import OpenAI
from PIL import Image, ImageDraw
import base64
client = OpenAI()
def inpaint_region(image_path, region, prompt, output_path):
"""
Aizstāj taisnstūrveida apgabalu attēlā.
region: tuple (x1, y1, x2, y2) pikseļos
"""
# Izveido masku
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")
# Izsauc API
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open(image_path, "rb"),
mask=open("temp_mask.png", "rb"),
prompt=prompt
)
# Saglabā rezultātu
with open(output_path, "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print(f"Rediģēts attēls saglabāts: {output_path}")
# Piemērs: Debesu aizstāšana ainavas fotogrāfijā
inpaint_region(
image_path="landscape.png",
region=(0, 0, 1024, 400), # Augšējā daļa = debesis
prompt="Dramatic sky with purple storm clouds at sunset",
output_path="landscape_sky_edited.png"
)
Outpainting: Attēla paplašināšana
Attēla palielināšana prasa papildu soli, jo API nevar ģenerēt saturu „blakus” failam tieši. Vispirms ir jāizveido lielāks audekls, jāielīmē tajā oriģināls un jānodrošina maska, kas aizsargā tieši to apgabalu, ko aizņem oriģināls. Visa loģika balstās uz jauno izmēru un ielīmēšanas pozīcijas aprēķināšanu, pamatojoties uz pieprasīto virzienu.
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):
"""
Paplašina attēlu norādītajā virzienā.
direction: 'right', 'bottom', 'left', 'top'
extra_pixels: pievienojamo pikseļu skaits
"""
source = Image.open(image_path).convert("RGBA")
w, h = source.size
# Aprēķina jaunus izmērus
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)
# Izveido paplašinātu audeklu (caurspīdīgs = ģenerējamais apgabals)
extended = Image.new("RGBA", new_size, (0, 0, 0, 0))
extended.paste(source, paste_pos)
# Maska: caurspīdīga visur, izņemot vietu, kur ievietots oriģinālais attēls
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)
# Saglabā uz laiku
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"Paplašināts attēls saglabāts: {output_path}")
# Paplašina portretu pa labi
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"
)
Ņem vērā paplašināšanas prompta formulējumu: „dabiska skena turpinājums, tāds pats apgaismojums un fons”. Veicot outpainting, tu neapraksti jaunu objektu; tu lūdz modelim paplašināt to, ko tas jau redz. Pārmērīgi kreatīvs prompts radītu redzamu šuvi starp oriģinālu un pievienoto apgabalu.
Iteratīva rediģēšana
Nekas neliedz ķēdēt vairākus rediģējumus vienam un tam pašam attēlam, izmantojot katru izejas rezultātu kā ievadi nākamajam solim. Tas ir visuzticamākais veids, kā izveidot sarežģītu kompozīciju: vispirms apstrādā fonu, tad priekšplānu, katram piegājienam izmantojot atsevišķu masku, nevis cerot, ka viens vienīgs prompts visu salabos uzreiz.
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. solis: Modificē fonu
step1 = edit_step(
"scene.png", "mask_background.png",
"Lush tropical forest background",
"scene_step1.png"
)
# 2. solis: Pievieno elementu priekšplānā
step2 = edit_step(
step1, "mask_foreground.png",
"A colorful macaw parrot perched on a branch",
"scene_step2.png"
)
print(f"Galīgais rezultāts: {step2}")
Galvenie ierobežojumi
Četri tehniski noteikumi nosaka izsaukuma veiksmi. Jebkura no tiem pārkāpšana rezultējas tūlītējā kļūdā, nevis pasliktinātā rezultātā.
- Avota attēlam un maskai ir jābūt vienādiem izmēriem
- Abiem failiem ir jābūt PNG formātā
- Maksimālais izmērs vienam failam ir 4 MB
- Maska izmanto alfa kanālu, lai definētu rediģējamos apgabalus
Šiem ierobežojumiem pievienojams viens empīrisks novērojums: rezultāti ir konsekventāki, ja maskētais apgabals aizņem mazāk nekā 50% no attēla. Pārsniedzot šo robežu, modelim ir pārāk maz konteksta, lai pareizi sapludinātu elementus, un bieži vien labākus rezultātus iegūsi, sadalot modifikāciju divos secīgos rediģējumos.
Ievies to praksē ar sava darba galda fotogrāfiju vai jebkuru attēlu bez autortiesību ierobežojumiem: uzraksti skriptu, kas automātiski ģenerē masku attēla augšējai ceturtdaļai, aizstāj šo apgabalu ar zvaigžņotām debesīm un saglabā rezultātu lokāli.