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 |
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
1 maintainer
Release files for img2ppt 2.9.0
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | |
|---|---|---|---|
| img2ppt-2.9.0.tar.gz | 92.3 kB | Details |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Reset |
|---|---|---|---|---|
| img2ppt-2.9.0-py3-none-any.whl | Python 3 | none | any | Details |
Total release size: 189.2 kB
Release files / img2ppt-2.9.0.tar.gz
| Download URL | img2ppt-2.9.0.tar.gz |
|---|---|
| Size | 92.3 kB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
2a776c7b557a66873570d6004751d7fc78898b5ee3b07959cb420b112447dc34
|
|
BLAKE2b-256 checksum How to use checksums |
417c90d0247ccf951b5e41624f03a10caf4b16f2ec2601d9c5ecd78bb7d43771
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
twine/6.2.0 CPython/3.12.10
|
Release files / img2ppt-2.9.0-py3-none-any.whl
| Download URL | img2ppt-2.9.0-py3-none-any.whl |
|---|---|
| Size | 96.9 kB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
a6e4ffedd043eb2567e8e618afcfda5c2bc8bfb27161d0f52a50639e16785bb5
|
|
BLAKE2b-256 checksum How to use checksums |
7e4b1ee5eaee54f2e23df8960538711bbc78208706d3574b77eda528ad384ab2
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
twine/6.2.0 CPython/3.12.10
|
