🚀 ImgBoost

Biblioteca CLI profissional para melhorar qualidade de imagens usando IA e técnicas avançadas de processamento.

✨ Características

• 🎯 4 Modos especializados de processamento
• 🔧 Denoise inteligente com OpenCV
• 📈 CLAHE para melhoria de contraste adaptativo
• ✂️ Sharpening profissional
• 🌙 Modo Dark UI otimizado para interfaces escuras
• 📄 Modo Texto/OCR para documentos
• 🚀 Super-resolução com upscaling de alta qualidade
• ⚡ Processamento em lote com suporte a paralelização
• 💾 Múltiplos formatos (PNG, JPG, BMP, TIFF, WebP)

📦 Instalação

# Clone o repositório
git clone https://github.com/jpedrops092/imgboost.git
cd imgboost

# Instale em modo desenvolvimento
pip install -e .

# Ou instale as dependências manualmente
pip install -r requirements.txt

Dependências

• Python >= 3.8
• OpenCV >= 4.8.0
• NumPy >= 1.24.0
• Click >= 8.1.0
• scikit-image >= 0.21.0
• tqdm >= 4.66.0
• PyTorch >= 2.0.0 (opcional, para super-resolução com IA)

🎯 Uso Rápido

Modo Geral (melhoria padrão)

imgboost process foto.jpg

Modo Texto/Documento (OCR)

imgboost process documento.png --mode text

Modo Dark UI (WhatsApp, interfaces escuras)

imgboost process screenshot_whatsapp.png --mode dark

Super-resolução (upscale 2x)

imgboost process imagem_baixa_res.jpg --mode superres
# Ou adicionar upscale a qualquer modo:
imgboost process foto.jpg --mode general --upscale

Processar diretório inteiro

imgboost process ./minhas_fotos --mode general --output ./melhoradas

Processamento em lote (paralelo)

imgboost batch ./minhas_fotos --workers 8

📋 Modos de Processamento

1. General (Padrão)

Melhoria geral balanceada:

• Denoise (redução de ruído)
• CLAHE (contraste adaptativo)
• Sharpening (nitidez)

Ideal para: Fotos gerais, prints, screenshots

2. Text (Texto/Documento)

Otimizado para leitura e OCR:

• Denoise focado
• Binarização adaptativa
• Deskew (correção de inclinação)
• Remoção de sombras

Ideal para: Documentos escaneados, fotos de papel, notas

3. Dark (Interfaces Escuras)

Otimizado para UIs com fundo escuro:

• Ajuste de gamma
• CLAHE agressivo
• Denoise seletivo
• Realce de texto em fundos escuros

Ideal para: WhatsApp Dark, apps com tema escuro, capturas noturnas

4. Superres (Super-resolução)

Upscaling com preservação de qualidade:

• Denoise pré-processamento
• Upscale 2x com LANCZOS4
• Unsharp mask pós-processamento
• Realce de textura

Ideal para: Imagens de baixa resolução, ampliação para impressão

⚙️ Opções Avançadas

imgboost process imagem.jpg \
  --mode general \
  --output ./output \
  --upscale \
  --quality 95 \
  --format png \
  --denoise-strength 15 \
  --contrast 4.0 \
  --sharpen \
  --verbose

Parâmetros

• --output, -o: Pasta de saída (padrão: output)
• --mode, -m: Modo de processamento (general, text, dark, superres)
• --upscale, -u: Aplicar super-resolução 2x
• --quality, -q: Qualidade JPEG 1-100 (padrão: 95)
• --format, -f: Formato de saída (auto, png, jpg)
• --denoise-strength, -d: Força do denoise 0-30 (padrão: 10)
• --contrast, -c: Intensidade CLAHE 1.0-5.0 (padrão: 3.0)
• --sharpen, -s: Aplicar sharpening extra
• --verbose, -v: Modo verboso

📊 Exemplos Práticos

Melhorar print de WhatsApp escuro

imgboost process whatsapp_dark.png --mode dark --sharpen --quality 100

Preparar documento para OCR

imgboost process documento_foto.jpg --mode text --format png --output ./ocr

Upscale de imagem para impressão

imgboost process logo_pequeno.png --mode superres --quality 100 --format png

Processar pasta de fotos antigas

imgboost process ./fotos_antigas --mode general --upscale --denoise-strength 20

Lote em paralelo (rápido)

imgboost batch ./muitas_fotos --workers 8

🔧 Uso Programático

Você também pode usar o ImgBoost como biblioteca Python:

from imgboost import Engine

# Criar engine
engine = Engine(
    output_dir='output',
    quality=95,
    denoise_strength=10,
    contrast_clip=3.0
)

# Processar imagem
output_path = engine.run(
    'input.jpg',
    mode='general',
    upscale=True
)

print(f"Imagem salva em: {output_path}")

Processamento customizado

from imgboost.processors import ImageFilters, SuperResolution
from imgboost.utils import ImageIO

# Carregar
io = ImageIO()
img = io.load('input.jpg')

# Processar
filters = ImageFilters(denoise_strength=15)
img = filters.denoise(img)
img = filters.enhance_contrast(img)
img = filters.sharpen(img)

# Upscale
sr = SuperResolution()
img = sr.upscale(img, scale=2)

# Salvar
io.save(img, 'output.jpg', quality=95)

📚 Informações do Sistema

imgboost info

Mostra:

• Versão do ImgBoost
• Versões das dependências
• Disponibilidade de CUDA
• Modos disponíveis

🛠️ Desenvolvimento

Estrutura do Projeto

imgboost/
├── imgboost/
│   ├── __init__.py
│   ├── cli.py              # Interface CLI
│   ├── core.py             # Engine principal
│   ├── processors/
│   │   ├── filters.py      # Filtros OpenCV
│   │   ├── document.py     # Processamento de documentos
│   │   └── superres.py     # Super-resolução
│   └── utils/
│       └── image_io.py     # I/O de imagens
├── setup.py
├── requirements.txt
└── README.md

Adicionar novos processadores

1. Crie um arquivo em imgboost/processors/
2. Implemente sua classe de processamento
3. Importe em imgboost/processors/__init__.py
4. Use no core.py

Executar testes

# Teste básico
imgboost process test_image.jpg --verbose

# Teste de lote
imgboost batch test_images/ --workers 4

🎓 Técnicas Implementadas

Denoise

• Fast Non-Local Means: Preserva bordas enquanto remove ruído
• Força ajustável (0-30)

Contraste

• CLAHE: Histogram equalization adaptativo
• Evita sobre-saturação
• Tile grid 8x8

Sharpening

• Unsharp Mask: Sharpening profissional
• Kernel customizado: Controle de intensidade
• Preserva naturalidade

Super-resolução

• LANCZOS4: Interpolação de alta qualidade
• Multi-scale: Preservação de detalhes
• Texture enhancement: Realce de texturas

Processamento de Documentos

• Adaptive Thresholding: Binarização inteligente
• Deskew: Correção de inclinação
• Shadow removal: Remoção de sombras
• Morphological operations: Limpeza de ruído

🚀 Próximos Passos

• Integração com Real-ESRGAN para super-resolução com IA
• Suporte a vídeos
• Processamento de PDFs
• Interface web
• Presets customizáveis
• Batch processing com GPU
• Plugin para Photoshop/GIMP

📄 Licença

MIT License - veja LICENSE para detalhes

🤝 Contribuindo

Contribuições são bem-vindas! Por favor:

1. Fork o projeto
2. Crie uma branch para sua feature (git checkout -b feature/AmazingFeature)
3. Commit suas mudanças (git commit -m 'Add some AmazingFeature')
4. Push para a branch (git push origin feature/AmazingFeature)
5. Abra um Pull Request

📧 Suporte

• 🐛 Issues: GitHub Issues
• 💬 Discussões: GitHub Discussions

🌟 Agradecimentos

• OpenCV pela biblioteca de processamento de imagens
• Real-ESRGAN pela inspiração em super-resolução
• Click pela excelente biblioteca CLI

---

Feito com ❤️ por ImgBoost Team