img2ppt 1.3.5

スライド画像/PDF から PowerPoint を自動生成するパイプライン (Windows 専用)

img2ppt

スライド画像（JPG/PNG）または PDF を PowerPoint（.pptx）に自動変換するツールです。
テキスト・図形・背景を自動認識し、16:9 スライドとして再構成します。

動作環境: Windows 11 専用 / Python 3.12 以上

---

インストール

pip install .

これだけで全依存ライブラリ（OpenCV / Pillow / python-pptx / pypdfium2 / janome 等）が一括インストールされます。

インストール確認

img2ppt --help

---

使い方

基本

:: 画像ファイルを変換
img2ppt スライド.jpg -d 出力フォルダ

:: クリップボードの画像を変換（引数なし）
img2ppt -d 出力フォルダ

:: PDF を変換（全ページ → 1 ファイルの PPTX）
img2ppt 資料.pdf -d 出力フォルダ

入力モード

モード	方法	説明
ファイル指定	img2ppt <ファイルパス>	JPG / PNG / PDF を直接指定
クリップボード	img2ppt（引数なし）	画像をコピーしてからそのまま実行
PDF	拡張子 .pdf のファイルを指定	全ページを 1 つの PPTX にまとめる

---

出力ファイル

-d で指定したディレクトリに以下が出力されます。

ファイル	説明
{stem}.pptx	最終 PowerPoint
{stem}.json	認識結果の構造化 JSON
{stem}_04_inpainted.png	テキスト除去後の画像
{stem}_05_1_segment_filled.png	セグメント検出結果（シルエット）
{stem}_05_2_mask_segment.png	セグメントマスク画像
{stem}_06_1_content_inpainted.png	コンテンツ除去後の画像
{stem}_06_2_mask_colorize.png	カラー分割マスク
{stem}_06_3_colorized.png	カラー分割結果

デバッグ用の可視化画像（vis_ プレフィックス）は --debug を付けると追加出力されます。

---

オプション一覧

基本オプション

オプション	デフォルト	説明
-d, --output-dir	test/	出力ディレクトリ
-o, --output-json	自動	最終 JSON の出力パス（単一ページ時のみ有効）
-v, --verbose	オフ	詳細ログを表示（省略時はプログレスバーのみ）
--debug	オフ	デバッグ用可視化画像（vis_xxx）を出力
--keep-tmp	オフ	処理後も一時ディレクトリを削除しない
--tmp-dir	システム一時領域	一時ディレクトリの作成場所を指定
--pdf-dpi	150	PDF ページ変換の解像度（DPI）

出力パス個別指定

オプション	説明
--output-inpaint	Step4 テキスト除去画像の出力パス
--output-seg-filled	Step5 シルエット画像の出力パス
--output-mask-seg	Step5 マスク画像の出力パス

画像鮮明化（Step1）

低解像度・圧縮ノイズが多い画像の OCR 精度を上げるための前処理です。
PNG または長辺 1280px 以上の JPG は自動スキップされます。

オプション	デフォルト	説明
--denoise-h	10	ノイズ除去強度（大きいほど強く除去、ぼけやすい）
--bilateral-d	9	エッジ保持フィルタの近傍径
--sigma-color	60.0	エッジ保持フィルタの色シグマ
--sigma-space	60.0	エッジ保持フィルタの空間シグマ
--unsharp-radius	2	輪郭強調の半径（px）
--unsharp-percent	200	輪郭強調の強度（%）
--unsharp-threshold	2	輪郭強調の閾値

テキスト除去（Step4）

オプション	デフォルト	説明
--sample-offset	3	背景色サンプリング位置（bbox 端から何 px 外側か）
--fill-expand	2	テキスト除去の塗り範囲拡張量（px）

セグメント検出（Step5）

オプション	デフォルト	説明
--sat-max	40	背景とみなす最大彩度（HSV-S、0〜255）
--val-min	200	背景とみなす最小輝度（HSV-V、0〜255）

OCR 品質フィルタ（Step2.5）

オプション	デフォルト	説明
--ocr-min-height	8	bbox 最小高さ（px）。これ未満は除外
--ocr-threshold	0.45	総合スコア閾値（0.0〜1.0）。これ未満のテキストを除外

PowerPoint 生成（Step7）

オプション	デフォルト	説明
--bg-tolerance	20	図形の背景透過許容幅（RGB 各チャンネル ±n）

---

実行例

:: 高解像度 PDF を変換
img2ppt 資料.pdf -d C:\output --pdf-dpi 200

:: デバッグ: 全中間ファイルを残して詳細ログを表示
img2ppt スライド.jpg -d C:\output --debug --keep-tmp --verbose

:: クリップボード画像を変換してデスクトップに保存
img2ppt -d %USERPROFILE%\Desktop

:: OCR フィルタを緩めて誤除外を減らす
img2ppt スライド.jpg -d C:\output --ocr-threshold 0.35

---

うまくいかないときは

症状	試すこと
テキストが認識されない	--ocr-threshold を下げる（例: 0.35）
誤認識テキストが残る	--ocr-threshold を上げる（例: 0.55）
背景色で塗りつぶしがうまくいかない	--sample-offset や --fill-expand を調整する
図形の背景が透過しすぎる / されない	--bg-tolerance を調整する（大きくすると透過が広がる）
低彩度アイコンが検出されない	--sat-max を上げる（例: 50）
処理の途中経過を確認したい	--debug --keep-tmp --verbose を付けて実行する

---

パイプライン概要

ステップ	モジュール	処理内容
Step1	clarify.py	画像鮮明化（ノイズ除去・輪郭強調）
Step2	ocr.py	Windows.Media.Ocr でテキスト検出・認識
Step2.5	ocr_filter.py	geometric / unicode / bigram / morph スコアで文字化けを除外
Step3	split.py	OCR bbox 後処理・複数テキスト混入 bbox を分割
Step4	inpaint.py	テキスト領域を背景色で除去・修復
Step5	segment.py	HSV 2値化 + 連結成分ラベリングでオブジェクト検出
Step6	colorize.py	container を投影プロファイル法で矩形分割・内包正規化
Step7	pptx_gen.py	JSON + 中間画像から PowerPoint スライドを生成

---

依存ライブラリ

ライブラリ	ライセンス	用途
winrt-Windows.Media.Ocr	MIT	テキスト検出・認識（Windows 標準 OCR）
opencv-python	Apache 2.0	画像処理
Pillow	HPND（MIT互換）	画像入出力
numpy	BSD	配列処理
python-pptx	MIT	PowerPoint ファイル生成
pypdfium2	Apache 2.0	PDF → 画像変換
janome	MIT	形態素解析（OCR 品質フィルタ）

---

ライセンス

MIT License