img2ppt 1.6.0

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 / Google Chrome 必須（初回セットアップのみ）

---

インストール

pip install .

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

初回セットアップ（Chrome Screen AI コンポーネントの取得）

初回のみ、Google Chrome をインストールした状態で以下を実行してください。

:: Chrome の Screen AI コンポーネントをローカルにコピー（約 107MB）
locro download

保存先: %LOCALAPPDATA%\locro（例: C:\Users\<ユーザー名>\AppData\Local\locro）

以降はオフラインで動作します。Chrome は引き続きインストール不要です。

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

:: 複数ファイルをまとめて変換（1入力 = 1 PPTX を順次生成）
img2ppt a.png b.jpg c.pdf -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 <パス> [<パス> ...]	JPG / PNG / PDF を直接指定（複数可、1入力 = 1 PPTX）
クリップボード	img2ppt（引数なし）	画像 or ファイルをコピーしてからそのまま実行。複数ファイルコピー時は全対応ファイルをファイル名昇順で順次処理
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}_{random8}.pptx	最終 PowerPoint（入力ファイル名の stem に実行ごとのランダム英数字8文字を付与）
{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

---

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）
--max-width	1920	入力画像の最大幅px（超過時はアスペクト比維持でダウンスケール）
--max-height	1080	入力画像の最大高さpx（同上）
--clean-tmp	オフ（＝デフォルトで一時ディレクトリは保持）	処理後に一時ディレクトリを削除する
--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	0.85	confidence 閾値（0.0〜1.0）。これ未満の word 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

:: 詳細ログを表示（一時ディレクトリはデフォルトで保持される）
img2ppt スライド.jpg -d C:\output --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	--verbose を付けて実行する（一時ディレクトリはデフォルトで保持され、中間画像を確認できる）
文字が小さすぎる / 大きすぎる	通常は元画像に自動追従する。入力が極端な高解像度なら --max-width/--max-height を調整

---

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	Chrome Screen AI でテキスト検出・認識（word 単位）
Step2.5	ocr_filter.py	geometric / confidence スコアで低品質 word を除外
Step3	split.py	OCR bbox の autofit（tight_fit）処理
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
locro	MIT	Chrome Screen AI OCR（テキスト検出・認識）
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

---

ライセンス

MIT License