PyHiVision

---

📖 简介

PyHiVision 是一个专业级的证件照处理 SDK，集成多种先进的 AI 模型，为证件照制作、人像处理和批量照片编辑提供完整的解决方案。

✨ 核心特性

• 🚀 高性能架构 - 简洁高效的同步处理管线
• 🤖 多模型支持 - ModNet、BiRefNet、RMBG、MTCNN、RetinaFace
• 🎨 完整流程 - 抠图 → 检测 → 美颜 → 调整 → 背景
• 💾 智能管理 - LRU 缓存，自动内存管理
• ⚡ GPU 加速 - CUDA 加速，线程池优化
• 🔧 灵活配置 - 环境变量、配置文件、代码配置
• 🛡️ 类型安全 - 完整类型注解与数据验证

🎯 适用场景

• 📸 证件照在线制作平台
• 🖼️ 批量人像照片处理系统
• 👤 人脸识别与美颜应用
• 🤖 图像自动化处理服务
• 🎨 AI 驱动的图像编辑工具

---

🚀 快速开始

安装

# 基础安装
pip install pyhivision

# 开发环境（包含测试和代码检查工具）
pip install "pyhivision[dev]"

# GPU 加速版本
pip install "pyhivision[gpu]"

下载模型

方式 1：使用 CLI 命令（推荐）

# 下载常用模型(推荐)
pyhivision install

# 下载指定模型
pyhivision install birefnet_lite
pyhivision install rmbg_1.4

# 下载所有模型
pyhivision install --all

# 查看可用模型
pyhivision list

# 查看模型目录
pyhivision info

方式 2：在代码中下载

from pyhivision import download_model

# 下载抠图模型
download_model("modnet_photographic", "matting")

# 下载检测模型
download_model("retinaface", "detection")

方式 3：启用自动下载（开发环境）

settings = create_settings(auto_download_models=True)
sdk = IDPhotoSDK.create(settings=settings)
# 使用模型时自动下载（如果不存在）

💡 提示：模型默认下载到 ~/.pyhivision/ 目录（Windows: C:\Users\<用户名>\.pyhivision\）

基本使用

import cv2
from pyhivision import IDPhotoSDK, PhotoRequest, create_settings

def main():
    # 配置模型路径
    settings = create_settings(
        matting_models_dir="~/.pyhivision/matting",
        detection_models_dir="~/.pyhivision/detection",  # MTCNN 不需要
    )

    # 创建 SDK 实例
    sdk = IDPhotoSDK.create(settings=settings)

    # 读取图像
    image = cv2.imread("input.jpg")

    # 创建请求
    request = PhotoRequest(
        image=image,
        size=(413, 295),  # 一寸照尺寸
        background_color=(0, 0, 255),  # 蓝色背景
        matting_model="modnet_photographic",
        detection_model="mtcnn"
    )

    # 处理图像
    result = sdk.process_single(request)

    # 保存结果
    cv2.imwrite("standard.jpg", result.standard)
    if result.hd is not None:
        cv2.imwrite("hd.jpg", result.hd)

    print(f"✅ 处理完成")

if __name__ == "__main__":
    main()

---

⚙️ 配置说明

代码配置（推荐）

from pyhivision import create_settings

# 基础配置
settings = create_settings(
    # 模型路径（必需）
    matting_models_dir="~/.pyhivision/matting",      # 抠图模型目录
    detection_models_dir="~/.pyhivision/detection",  # 检测模型目录（MTCNN 除外）

    # 性能配置
    enable_gpu=False,          # 是否启用 GPU
    num_threads=4,             # ONNX Runtime 线程数
    model_cache_size=3,        # 模型缓存数量

    # 日志配置
    log_level="INFO",          # 日志级别
)

环境变量配置

# 模型路径（必需）
export HIVISION_MATTING_MODELS_DIR=~/.pyhivision/matting
export HIVISION_DETECTION_MODELS_DIR=~/.pyhivision/detection

# 性能配置
export HIVISION_ENABLE_GPU=true
export HIVISION_NUM_THREADS=8

# 日志配置
export HIVISION_LOG_LEVEL=DEBUG

配置优先级

1. 代码中直接传参：create_settings(enable_gpu=True)
2. 环境变量：HIVISION_ENABLE_GPU=true
3. .env 文件：HIVISION_ENABLE_GPU=true
4. 默认值

主要配置项

配置项	类型	默认值	说明
matting_models_dir	Path/str/None	None	抠图模型目录（默认：~/.pyhivision/matting）
detection_models_dir	Path/str/None	None	检测模型目录（默认：~/.pyhivision/detection）
auto_download_models	bool	False	是否自动下载缺失的模型
download_all_models	bool	False	是否在初始化时下载所有模型
enable_gpu	bool	False	是否启用 GPU 加速
num_threads	int	4	ONNX Runtime 线程数
model_cache_size	int	3	模型缓存数量上限
max_image_size	int	2000	图像最大边长
log_level	str	"INFO"	日志级别

💡 提示：未配置模型目录时，SDK 会使用默认目录 ~/.pyhivision/

---

🏗️ 架构概览

核心架构

┌─────────────────────────────────────────────────────────────┐
│                     用户层 (User Layer)                      │
│         IDPhotoSDK.process() / PhotoPipeline                │
└────────────────────────┬────────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────────┐
│                   核心管线 (Core Pipeline)                   │
│  ┌─────────────────────────────────────────────────────┐   │
│  │ 1. 抠图 (Matting) → ModNet/BiRefNet/RMBG          │   │
│  │ 2. 检测 (Detection) → MTCNN/RetinaFace            │   │
│  │ 3. 美颜 (Beauty) → 亮度/对比度/磨皮/美白           │   │
│  │ 4. 调整 (Adjustment) → 裁剪/缩放/布局              │   │
│  │ 5. 背景 (Background) → 纯色/模板                   │   │
│  └─────────────────────────────────────────────────────┘   │
└────────────────────────┬────────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────────┐
│                 底层服务 (Infrastructure)                    │
│  ┌──────────────┐  ┌──────────────┐                        │
│  │ ModelManager │  │ ResultCache  │                        │
│  │ (模型管理)    │  │ (结果缓存)    │                        │
│  └──────────────┘  └──────────────┘                        │
└─────────────────────────────────────────────────────────────┘

模块结构

pyhivision/
├── config/          # 配置管理（Pydantic Settings）
├── core/            # 核心流程编排（Pipeline、ModelManager）
├── models/          # AI 模型封装（Detection、Matting）
├── processors/      # 图像处理器（抠图、检测、美颜、布局）
├── schemas/         # 数据模型（Request、Response、Validation）
├── utils/           # 工具函数（Logger、Image、Compression）
├── exceptions/      # 异常定义（自定义错误类型）
└── assets/          # 资源文件（LUT、字体、模板）

---

🛠️ 开发指南

开发环境搭建

# 克隆仓库
git clone https://github.com/ZyphrZero/pyhivision.git
cd pyhivision

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate  # Windows

# 安装开发依赖
pip install -e ".[dev]"

代码规范

• 格式化工具: Ruff（替代 Black + isort）
• 行长度: 100 字符
• Python 版本: 3.11-3.12
• 类型注解: 必须使用完整的类型提示

# 代码格式检查
ruff check .

# 自动修复
ruff check --fix .

测试

# 运行所有测试
pytest tests/ -v

# 运行覆盖率测试
pytest tests/ --cov=pyhivision --cov-report=html

# 运行特定测试
pytest tests/test_pipeline.py -v

编码规范

• 类名: PascalCase（如 ModelManager）
• 函数/变量: snake_case（如 load_model, face_info）
• 常量: UPPER_SNAKE_CASE（如 CUBE64_SIZE）
• 私有方法: 前缀 _（如 _create_session）
• 错误处理: 使用自定义异常类（继承自 HivisionError）

---

📚 API 文档

核心类

IDPhotoSDK

主要的 SDK 接口，提供证件照处理功能。

sdk = IDPhotoSDK.create(settings=settings)
result = sdk.process_single(request)

PhotoRequest

照片处理请求对象。

request = PhotoRequest(
    image=image,                          # np.ndarray
    size=(413, 295),                      # 输出尺寸
    background_color=(0, 0, 255),         # 背景色（默认 RGB 格式，可填写十六进制格式）
    matting_model="modnet_photographic",  # 抠图模型
    detection_model="mtcnn",              # 检测模型
    beauty_params=BeautyParams(           # 美颜参数（可选）
        brightness=10,
        contrast=5
    )
)

PhotoResult

照片处理结果对象。

result.standard         # 标准照片（np.ndarray）
result.hd              # 高清照片（可选）
result.face_info       # 人脸信息

支持的模型

🎨 抠图模型对比

模型名称	文件大小	推理速度	精度	特点
modnet_photographic	24.7 MB	⚡⚡⚡⚡	⭐⭐⭐	通用摄影抠图，MODNet官方权重（推荐）
hivision_modnet	24.7 MB	⚡⚡⚡⚡	⭐⭐⭐	对纯色换底适配性更好的抠图模型
birefnet_lite	214 MB	⚡⚡	⭐⭐⭐⭐⭐	BiRefNet 轻量版，高精度抠图
rmbg_1.4	168 MB	⚡⚡⚡	⭐⭐⭐⭐	RMBG 1.4 版本，通用背景移除
rmbg_2.0	223 MB	⚡⚡	⭐⭐⭐⭐⭐	RMBG 2.0 量化版，质量高推理速度慢

👤 人脸检测模型对比

模型名称	文件大小	推理速度	精度	特点
mtcnn ⭐	内置	⚡⚡⚡⚡	⭐⭐⭐⭐	多任务级联网络，内置权重（推荐）
retinaface	104 MB	⚡⚡⚡	⭐⭐⭐⭐⭐	RetinaFace ResNet50，高精度检测

📊 模型选择建议

🚀 速度优先	⚖️ 平衡选择（推荐）	🎯 精度优先
抠图：hivision_modnet	抠图：rmbg_1.4	抠图：birefnet_lite / rmbg_2.0
检测：mtcnn	检测：mtcnn	检测：retinaface
场景：实时处理、批量任务	场景：证件照制作、通用场景	场景：高质量输出、复杂背景

💡 提示：

• RMBG 2.0 量化模型需要禁用 ONNX Runtime 图优化，SDK 已自动处理
• MTCNN 使用内置权重，无需额外下载模型文件
• 首次使用模型时会自动加载到内存，后续使用会从缓存读取

---

🤝 贡献指南

欢迎贡献代码、报告 Bug 或提出新功能建议！

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

贡献要求

• 遵循项目的编码规范（Ruff）
• 添加必要的单元测试
• 更新相关文档
• 确保所有测试通过

---

🙏 致谢

• HiVision 证件照项目 - HiVision 证件照项目
• ModNet - 高性能人像抠图模型
• BiRefNet - 高精度背景移除模型
• MTCNN - 多任务级联卷积神经网络人脸检测
• RetinaFace - 先进的人脸检测模型

---

📧 联系方式

• 作者: FastParse Team
• 问题反馈: GitHub Issues

---

---

📄 许可证

本项目采用 Apache License 2.0 开源协议。