merge: 像素化技术路线调研落盘(design/research/pixelization-routes-survey-2026-09-27.md)——六大类20条路线七维总表+痛点归因+Top3+现行脚本最小补丁
This commit is contained in:
DKChan committed
commit
685b89bdbf
1 file changed
+196
@@ -0,0 +1,196 @@
|
||||
# 图片像素化技术路线调研（高分辨率 AI 生图 → 真像素画）
|
||||
|
||||
- **日期**：2026-09-27
|
||||
- **委托背景**：AI 生图模型产出约 687×1024 的"像素艺术风格"高分辨率图——块状像素看起来很大，但像素网格没有真正对齐，且带 JPEG 压缩噪声、边缘反锯齿、奶油色描边、脚下地面阴影、纯灰单色背景。目标产物：内容高度约 96~144 物理像素、色板 ≤32 色、最好去底出透明背景的真像素画，须能进 Python 脚本批量化。现行自写管线（`tools/pixelize_candidates.py` v3）效果不理想，痛点=脏点/发糊/细节丢失/边缘白灰翳。
|
||||
- **方法**：三路并行核实一手来源（官方文档/GitHub README+LICENSE/官方手册/源码），引用 2026-09-25 已有调研（[pixel-grid-gen-research-2026-09-25.md](pixel-grid-gen-research-2026-09-25.md)）已核实的工具不重复深挖。无法访问/查到的条目如实标注。
|
||||
|
||||
---
|
||||
|
||||
## 摘要（结论先行）
|
||||
|
||||
1. **渠道共六大类、本次落实 20 条路线**。总表见 §2。一句话格局：**"网格对齐"和"量化清洗"是两个独立环节，没有任何单一传统工具同时做好两件事**——必须组合：网格环节的最优解是 pixel-art-fixer（MIT，基准对齐率 94%），量化环节的质量上限是 pngquant/libimagequant（alpha 预乘感知）。
|
||||
2. **现行管线四大痛点的头号根源已定位**（§1）：①从未估计输入图的名义块尺寸与网格相位，BOX→NEAREST 两段缩放等于在模糊图上随机相位点采样；②Pillow `quantize()` **默认开 Floyd-Steinberg 抖动**（官方文档实证），在中间分辨率上撒噪点，NEAREST 抽样把它们带进成品——脏点的最大单一来源，一行参数可灭；③MEDIANCUT 不支持 RGBA 被自动降级到 FASTOCTREE、且在 RGB 空间非感知量化；④JPEG 噪声无前置去噪步骤。
|
||||
3. **Top 3 推荐**（§4）：路线一=pixel-art-fixer 收网格 → 去底 → pngquant/固定色板量化 → 连通域清脏点 → alpha 腐蚀+实色回填去白翳（纯本地、全 MIT/Apache、可批量）；路线二=Retro Diffusion 免费 pixel-fixer（浏览器本地 WASM 或免费 API）当效果上限参照物+疑难图兜底；路线三=PixelOE（Apache-2.0）做细节保留向对照。WuZongWei6/Pixelization（SIGGRAPH）**因自定义许可证明确禁止商用（含游戏资产）出局**，只配当研究基线。
|
||||
4. **算术上的好消息**：1024÷96≈10.7、1024÷144≈7.1，即输入图名义块约 7~11px；fixer 修网格后得到的原生分辨率高度≈93~146，**与目标档几乎 1:1，修完网格基本不用再缩**——这是信息损失最小的路径。
|
||||
|
||||
---
|
||||
|
||||
## §1 输入特征与痛点归因（对照现行 `pixelize_candidates.py` v3）
|
||||
|
||||
现行管线顺序：屏障法/底色门洪泛去底+吃奶油描边 → 裁剪 → BOX 预滤到 4×目标 → `quantize(64, MEDIANCUT)` → NEAREST ÷4 → alpha MinFilter(3)+阈值 → 删 <10px 孤立连通域 → 边缘色内插。
|
||||
|
||||
| 痛点 | 根源（按贡献排序） | 证据 |
|
||||
|---|---|---|
|
||||
| 发糊+细节丢失 | 不做网格相位估计，直接 BOX 到 4× 再 NEAREST ÷4：BOX 是低通模糊，NEAREST 只取 1/16 样本且采样相位随机，等价于"在糊图上掷骰子点采样" | `pixelize_candidates.py:296-303` |
|
||||
| 脏点 | ①`quantize()` 不传 dither 时**默认 Floyd-Steinberg 误差扩散**——它在 4× 中间图上制造的单像素噪点被 NEAREST 抽样原样带到成品；②JPEG 噪点无前置去噪；③despeckle 只按 alpha 连通域删，不清理"颜色孤立但 alpha 连着主体"的色斑 | Pillow 官方文档 quantize 签名 `dither=Dither.FLOYDSTEINBERG` 为默认值（[Image 文档](https://pillow.readthedocs.io/en/stable/reference/Image.html)） |
|
||||
| 边缘白/灰翳 | 奶油描边靠 HSV 启发式吃除，JPEG 噪声会在描边上开 1-2px 缺口（脚本注释中 duergar 甲面被吃空实证）；alpha 通道 MinFilter+NEAREST 阈值化粗糙 | `pixelize_candidates.py:8-11` 注释 |
|
||||
| 色板超标 | `QUANT_COLORS=64` 与 ≤32 目标不符；MEDIANCUT 在 RGB 空间非感知、且不支持 RGBA（带 alpha 时 Pillow 自动改用 FASTOCTREE，质量更低） | Pillow 文档原文 "MEDIANCUT and MAXCOVERAGE do not support RGBA images" |
|
||||
| 网格不对齐 | 全程无网格检测环节 | 全程 |
|
||||
|
||||
**名义块尺寸算术**：687×1024 若块约 7~11px，原生逻辑分辨率约 (62~98)×(93~146)。目标内容高 96~144 恰在此区间——**输入图的"隐含网格"和目标尺寸几乎同级**，因此正确策略是"恢复隐含网格"而非"暴力缩小"，这正是 pixel-art-fixer 类工具的问题定义。
|
||||
|
||||
---
|
||||
|
||||
## §2 渠道总表（渠道 × 七维：好/中/差）
|
||||
|
||||
维度顺序：网格对齐 / 脏点控制 / 边缘白翳 / 细节保留 / 色板可控 / 抗 JPEG 噪声 / Python 脚本批量化。许可证与成本并入一句话总评。
|
||||
|
||||
| # | 渠道/路线 | 对齐 | 脏点 | 白翳 | 细节 | 色板 | 抗噪 | 脚本 | 一句话总评 |
|
||||
|---|---|---|---|---|---|---|---|---|---|
|
||||
| a1 | Pillow 自写（resize+quantize） | 差 | 中* | 差 | 中 | 中 | 中 | 好 | *必须显式 `dither=NONE`，默认 FS 抖动是脏点制造机；RGBA 量化自动降级 FASTOCTREE。免费，兜底基线 |
|
||||
| a2 | OpenCV 积木（INTER_AREA+kmeans+medianBlur+连通域） | 差 | 好 | 中 | 中 | 中 | 好 | 好 | 清洗环节最强积木：medianBlur(3) 杀 JPEG 噪点、连通域面积阈值杀脏点，Apache-2.0 |
|
||||
| a3 | ImageMagick CLI（-scale/-sample/-remap） | 差 | 中 | 中 | 中 | 好 | 中 | 好 | 不写代码的等价物；`-colors` 默认开抖动需 `+dither` 关；无 Atkinson。自有许可证免费 |
|
||||
| a4 | pngquant / libimagequant | 差 | 好 | 好 | 中 | 好 | 中 | 好 | **32 色+透明量化的质量上限**（gamma 校正+alpha 预乘感知）；GPLv3/商业双授权，脚本内部调用无传染 |
|
||||
| b1 | **pixel-art-fixer**（Retro-Diffusion） | **好** | 好 | 中 | 好 | 中 | 好 | 好 | 网格对齐环节当前最优：三检测器投票+结构/颜色解耦重建，基准恢复 77%/对齐 94%；MIT，Python+Rust CLI |
|
||||
| b2 | PixelOE（KohakuBlueleaf） | 中 | 好 | 中 | **好** | 中 | 中 | 好 | 轮廓扩张+对比度感知，细节保留向；不估网格相位；Apache-2.0，有 ComfyUI 节点 |
|
||||
| b3 | pyxelate | 差 | 中 | 差 | 好 | 好 | 中 | 好 | Sobel 加权块内降采样+多抖动可选+色板迁移；factor 手给、alpha 阈值砍半透明；MIT |
|
||||
| b4 | Pixel-Extractor / ai-pixelart-extractor | 好 | 中 | 中 | 中 | 中 | 中 | 中 | 同为"AI 图专用"：边缘检测+网格拟合（支持非方形像素比）；形态半成品（PWA 网页/WIP CLI），算法思路可借鉴；均 MIT |
|
||||
| b5 | unfake.py 等（引 09-25 报告） | 中 | 中 | 中 | 中 | 差 | 中 | 好 | fixer 的轻量前代，pixel-bench 收录为对照；MIT |
|
||||
| c1 | Aseprite（GUI+CLI） | 差 | 中 | 中 | 中 | 好 | 差 | 中 | 菜单级支持缩+限色 32+抖动量控制+透明索引，CLI 可一条龙但调色板须先生成；$19.99 或自编译免费（EULA 限个人目的，含创作商用美术） |
|
||||
| c2 | GIMP（Script-Fu） | 差 | 中 | 中 | 中 | 好 | 差 | 中 | 免费 GPL 等价流程：插值 None+Indexed 32 色+抖动四档可关；最近邻缩非整数倍同样跳像素 |
|
||||
| c3 | Photoshop（UXP 脚本） | 差 | 中 | **好** | 中 | 好 | 中 | 差 | Indexed 转换的 **matte 参数**专治"透明区邻接抗锯齿边缘填色"；仅订阅、无 CLI |
|
||||
| d1 | **RD Pixel Art Fixer 网页/免费 API** | 好 | 好 | 中 | 好 | 好 | 好 | 中 | 零成本上限参照物：Standard 引擎本地 WASM 不上传；色数 2-256+自定义色板图+抖动矩阵/强度；免费 API 限 10 次/分 |
|
||||
| d2 | 其他在线（Pixel It/Piskel/PixelMe 等） | 差 | 中 | 差 | 中 | 中 | 差 | 差 | 交互预览/教学向；Pixelicious 本次网络无法核实 |
|
||||
| e1 | WuZongWei6/Pixelization（SIGGRAPH Asia 2022） | 好 | 中 | 差 | 中 | 差 | 中 | 中 | 构造性网格对齐+cell 尺寸可控，但 **RGB-only 无 alpha、不支持指定色板、许可证明确禁商用（点名 video games）——出局**，仅作研究基线 |
|
||||
| e2 | SD-πXL（SIGGRAPH Asia 2024） | 好 | 中 | 中 | 中 | 好 | 中 | 差 | 唯二"开源+直出量化+可控色板"方法级选项；SDXL 蒸馏慢、8GB 吃紧、2025-05 后无更新；MIT |
|
||||
| e3 | RD `rd_pro__pixelate` / PixelLab API | 好 | 好 | 好 | 好 | 好 | 好 | 好 | 花钱买省心轨：整图转像素画 $0.18/张起、可传 input_palette+remove_bg；闭源，ToS 商用条款需自核 |
|
||||
| e4 | 生成端像素 LoRA 直出（引 09-25） | 差 | — | — | — | — | — | 好 | 只给风格不给网格，必须与后处理组合，不构成独立路线 |
|
||||
| f1 | 前置去底（OpenCV 键控 / rembg / BiRefNet） | — | — | **好** | — | 好* | — | 好 | *去底先于量化，奶油描边/灰底/阴影不占色板名额；纯灰底用确定性键控，复杂底 rembg(MIT)/BiRefNet(MIT，8GB 可跑标准版)；**RMBG-2.0 非商业勿用** |
|
||||
| f2 | 矢量描摹（vtracer/potrace） | 差 | — | 差 | — | — | — | 中 | **不适用**：贝塞尔轮廓天然反锯齿、不落整数网格，等于把对齐问题重新引入 |
|
||||
| f3 | 人工手修（Aseprite 1600% 目检） | 好 | 好 | 好 | 好 | 好 | 好 | 差 | 质量上限本身；项目"三锁工作流"既有共识的最后一锁，不可批量化但不可省 |
|
||||
|
||||
---
|
||||
|
||||
## §3 渠道分节详述
|
||||
|
||||
### a. 传统图像处理算法
|
||||
|
||||
**a1 Pillow（本机 12.3.0 实测）**。缩放滤波器：NEAREST（只取一个最近像素，其余全弃）/ BOX（等权盒平均，官方缩小质量评级最低）/ HAMMING / BICUBIC / LANCZOS（官方缩小质量最高但本质仍是低通模糊，像素画场景不适用）。量化 `quantize(colors, method, kmeans, palette, dither)`：method 四值 MEDIANCUT（中值切分，默认）/MAXCOVERAGE/FASTOCTREE/LIBIMAGEQUANT；**MEDIANCUT 与 MAXCOVERAGE 不支持 RGBA**，带透明图自动改用 FASTOCTREE；**dither 默认 FLOYDSTEINBERG**，要干净平色必须显式 `dither=Image.Dither.NONE`；固定色板用 `quantize(palette=pal_img)`（pal_img 为 P 模式图）。**LIBIMAGEQUANT 在官方 pip wheel 中不可用**（libimagequant 是 GPLv3，Pillow 官方明示不打进二进制，本机 `features.check('libimagequant')=False` 实证），要用须源码构建。来源：[Pillow filters](https://pillow.readthedocs.io/en/stable/handbook/concepts.html#filters)、[Image.quantize](https://pillow.readthedocs.io/en/stable/reference/Image.html)、[building-from-source](https://pillow.readthedocs.io/en/stable/installation/building-from-source.html)。
|
||||
|
||||
**a2 OpenCV（Apache-2.0）**。`cv2.resize` 缩图官方钦定 **INTER_AREA**（"To shrink an image, it will generally look best with INTER_AREA"）；`cv2.kmeans(data, K, ..., attempts, KMEANS_PP_CENTERS)` 做色板聚类（官方颜色量化教程即此法），K=32 直接给色数但不感知 alpha，透明像素须先分离；`cv2.medianBlur(im, 3)` 官方称对椒盐噪声"highly effective"，JPEG 块噪同理；`cv2.connectedComponentsWithStats` 输出 `CC_STAT_AREA`，按面积阈值删孤立色块=脏点清理标准件。全部纯 Python 可批。来源：[resize](https://docs.opencv.org/4.x/da/d54/group__imgproc__transform.html)、[kmeans 颜色量化](https://docs.opencv.org/4.x/d1/d5c/tutorial_py_kmeans_opencv.html)、[滤波](https://docs.opencv.org/4.x/d4/d13/tutorial_py_filtering.html)、[连通域](https://docs.opencv.org/4.x/d3/dc0/group__imgproc__shape.html)。
|
||||
|
||||
**a3 ImageMagick（自有开源许可证，免费）**。缩图三算子：`-sample` 纯抽样删行列、**不产生新颜色**但细线严重走样；`-scale` 邻域平均=Box 滤波；`-resize` 完整滤波（可 `-filter Lanczos/Point/Box`）。量化：`-colors N` **默认开抖动**（Riemersma 曲线法，6.4.2-9 起可加 FloydSteinberg），须 `+dither` 或 `-dither None` 关闭；`-remap palette.png` 用自定义固定色板（**色板图勿用 JPEG**，有损压缩会引入额外颜色）；无原生 Atkinson。来源：[resize usage](https://usage.imagemagick.org/resize/)、[quantize usage](https://usage.imagemagick.org/quantize/)。
|
||||
|
||||
**a4 pngquant / libimagequant（GPLv3 或商业双授权）**。量化质量上限：官方原文"with support for gamma correction and premultiplied alpha"，且抖动算法"does not add unnecessary noise"——alpha 预乘感知意味着半透明边缘不会被量化成脏色，正好补 Pillow FASTOCTREE 的短板。关键参数：`--quality min-max`（低于 min 不保存，退出码 99）、`--speed 1-11`（默认 4，高速档对低色数不利）、`--floyd=N`（0-1）/`--nofs` 关抖动、`--posterize bits`；支持 `pngquant *.png` 批量与管道。GPL 对"脚本调 CLI"的内部用法无传染；嵌入分发才需商业授权。来源：[pngquant](https://github.com/kornelski/pngquant)、[libimagequant](https://github.com/ImageOptim/libimagequant)。
|
||||
|
||||
**a5 Atkinson 抖动**。像素画圈偏爱的低保真抖动（只扩散 3/4 误差，对比度高、噪点少）。Python 现成实现：hbldh/hitherdither（MIT，261★，2023 停更但算法无时效性，不在 PyPI 需 `pip install git+`，支持任意自定义色板）；pyxelate 内置 `dither="atkinson"`。ImageMagick/Pillow 均不原生支持。来源：[hitherdither](https://github.com/hbldh/hitherdither)、[pyxelate 源码](https://github.com/sedthh/pyxelate/blob/master/pyxelate/pyx.py)。
|
||||
|
||||
### b. 专门像素化算法与开源项目
|
||||
|
||||
**b1 pixel-art-fixer（Retro-Diffusion，MIT，约 430★）**——09-25 报告已核实，引用：三种相位不变网格检测器投票（自相关/行程梳状/位移自相似）+争议仲裁；重建两段式=自适应 k-means 定格子结构、未量化原像素回填定色（结构与颜色解耦）；开源基准 pixel-bench 上恢复原生分辨率 77%（第二名 4%）、网格对齐 94%；Python 包+Rust CLI（快 11-24×），`python -m pixelfixer.cli in.png --extract out.png`，`--overlay` 可出网格叠图人工核对。极限损坏图需其官网神经版（闭源）。来源：[pixel-art-fixer](https://github.com/Retro-Diffusion/pixel-art-fixer)、[pixel-bench](https://github.com/Retro-Diffusion/pixel-bench)。
|
||||
|
||||
**b2 PixelOE（KohakuBlueleaf，Apache-2.0，511★，活跃）**。非神经网络的对比度感知像素化：Outline Expansion（轮廓扩张）保证缩小后关键边缘不被平均掉，主打细节保留；需给定目标尺寸（不估输入网格相位）；已进 ComfyUI_essentials（`PixelOEPixelize` 节点），纯 Python 可批。来源：[PixelOE](https://github.com/KohakuBlueleaf/PixelOE)。
|
||||
|
||||
**b3 pyxelate（sedthh，MIT，约 1.7k★，2026-01 仍维护）**。`Pyx(factor, palette, dither, sobel, depth, alpha)`：按手给整数 factor 切块，Sobel 梯度幅度加权做块内降采样（边缘处保形）；fit/transform 分离支持"色板迁移"；dither 可选 none/naive/bayer/floyd/atkinson；alpha 为阈值二值化（默认 0.6）非逐像素保留——半透明描边会被砍掉。CLI：`pyxelate in.jpg out.png --factor 14 --palette 7`。来源：[pyxelate](https://github.com/sedthh/pyxelate)。
|
||||
|
||||
**b4 AI 生图专用提取器两个（均 MIT，均约 28★）**。univeous/Pixel-Extractor：边缘检测+**网格拟合自动估计**（官方 README 明确支持**非方形像素比**）+直方图/K-Means 清色噪+自动背景去除，直接针对 AI 图的色渗/反锯齿/网格不齐/噪声背景四类问题——形态是浏览器 PWA（Pyodide 跑 NumPy/SciPy，首载 30MB），不能批处理但**算法用 Python 写成、思路可直接抄进脚本**。其上游 Donitzo/ai-pixelart-extractor 是 Python CLI（`--split_distance 10 --create_summary`），自承"严重错位图会失败"，WIP。来源：[Pixel-Extractor](https://github.com/univeous/Pixel-Extractor)、[ai-pixelart-extractor](https://github.com/Donitzo/ai-pixelart-extractor)。
|
||||
|
||||
**b5 其他核实过的项目**：unfake.py（MIT，轻量网格吸附，pixel-bench 对照组）；MidFord/BetterPixelArtDownscale（silhouette-first 降采样，颜色只从源图真实颜色选、hidden-RGB 隔离，治白翳思路严谨，但**无 LICENSE 文件**，批处理集成前须向作者要授权）；ImageGoNord（固定色板映射，AGPL/MIT 标注矛盾）；pixelit JS（块均值+固定色板，浏览器端）；pixel-mosaic（边缘感知网格对齐内容边缘，JS）；PAC（GUI 调参玩具）。来源：各 GitHub 仓库（pixel-bench 对照名单见 [pixel-bench](https://github.com/Retro-Diffusion/pixel-bench)）。
|
||||
|
||||
### c. 现成软件内置功能
|
||||
|
||||
**c1 Aseprite（$19.99 买断；源码可自编译，EULA 2(g) 限个人目的、含创作商用美术）**。缩小：Sprite > Sprite Size（Nearest-neighbor/Bilinear/RotSprite 三选，默认 NN）；**"Pixel perfect scaling"在缩放里不存在**——那是铅笔笔迹修齐模式，勿混。限色：调色板右键 → New Palette from Sprite（color count limit 填 32）→ Sprite > Color Mode > Indexed；More Options 里有 Dithering Amount 0-100% 滑杆。**CLI 一条龙可行**：`aseprite -b in.png --scale 0.125 --palette pal32.png --color-mode indexed --dithering-algorithm none --save-as out.png`；短板=CLI 没有"从图量化生成 N 色板"的 flag（色板须先在 GUI 生成或用 Lua）。最近邻缩非整数倍会整行整列跳像素；不去底、不去噪。来源：[sprite-size](https://www.aseprite.org/docs/sprite-size/)、[cli](https://www.aseprite.org/docs/cli/)、[EULA](https://github.com/aseprite/aseprite/blob/main/EULA.txt)。
|
||||
|
||||
**c2 GIMP 2.10（GPL，免费）**。Image > Scale Image 选 Interpolation: None（即最近邻；缩图文档另推荐 LoHalo 但对像素画色块图不适用）；Image > Mode > Indexed：Generate optimum palette + **Maximum Number of Colors 填 32**，抖动四档=None / Floyd-Steinberg(normal) / Floyd-Steinberg(reduced color bleeding) / Positioned，另有"抖动透明"开关；Filters > Blur > Pixelize 只打块不缩尺寸（确认）。批处理：`gimp-2.10 -i -b` Script-Fu 可写完整"打开→缩放→转索引→存 PNG"。来源：[scale](https://docs.gimp.org/2.10/en/gimp-image-scale.html)、[indexed](https://docs.gimp.org/2.10/en/gimp-image-convert-indexed.html)、[batch](https://docs.gimp.org/2.10/en/gimp-fire-up.html)。
|
||||
|
||||
**c3 Photoshop（仅订阅）**。Image Size 重采样 NEARESTNEIGHBOR；Image > Mode > Indexed Color：colors 数、palette 类型十余种、dither=NONE/DIFFUSION/PATTERN/NOISE、ditherAmount、**matte**（官方释义"透明区邻接抗锯齿边缘的填色"——六类工具中唯一把去白翳做成一等参数）、preserveExactColors；Mosaic 滤镜只打块不降尺寸。批处理走 UXP 脚本（resizeImage+changeMode 均可编程），无 CLI。来源：[UXP Document.resizeImage](https://developer.adobe.com/photoshop/uxp/2022/ps-reference/classes/document)、[IndexedConversionOptions](https://developer.adobe.com/photoshop/uxp/2022/ps-reference/objects/conversionoptions/indexedconversionoptions)。（helpx.adobe.com 本次调研网络 403 不可达，界面文案以 UXP API 文档交叉核实。）
|
||||
|
||||
**c4 Krita / Affinity**：Krita 无索引色模式（其"Index Color"滤镜是 index-painting 非调色板量化），不成体系；Affinity 已归 Canva 改免费一体化应用，但索引色/最近邻细节无可达一手文档。两者不纳入主路线。
|
||||
|
||||
### d. 在线工具/网站
|
||||
|
||||
**d1 Retro Diffusion Pixel Art Fixer（免费，免注册）**。网页标题原文即本用例问题定义："detects the implied grid, snaps every cell to a true pixel"。前端拆检实证：**Standard 引擎=本地 WASM 纯客户端不上传；Neural 引擎会上传服务器**（敏感图选 Standard）。可调：pixel size、**Color count 2-256**、抖动矩阵 2/4/8+强度 0-10、自定义色板图；输入上限 16MP。另有免费 API 端点 `POST /v2/pixel-fixer/standard|neural`（限 10 次/分/Token）可脚本化。来源：[工具页](https://retrodiffusion.ai/tools/pixel-art-fixer)、[PIXEL_FIXER.md](https://github.com/Retro-Diffusion/api-examples/blob/main/PIXEL_FIXER.md)。
|
||||
|
||||
**d2 其余在线**：Pixel It 演示站（MIT JS 库，Block size/色板上传/最大尺寸，无抖动，纯客户端）；Piskel（免费 Apache-2.0，导入大图可缩放到指定帧尺寸但缩放算法只有 smoothing 开关、无自动限色）；PixelMe（AI 照片转像素，人脸向，服务端处理，商用要 credits）；OnlinePNGTools pixelate 确认**只打块不缩尺寸**（不适用）；Pixilart 无转换工具；**Pixelicious 本次网络无法访问（DNS 疑污染+CloudFront 超时），未能核实**。来源：各站实测。
|
||||
|
||||
### e. AI/模型类
|
||||
|
||||
**e1 WuZongWei6/Pixelization（SIGGRAPH Asia 2022，非 2020）**。GAN 像素化：AliasNet+结构提取器，`test_pro.py --cell_size` 控制格子尺寸（CLI 注明 2-8），输出先 NEAREST 缩到网格再放大——**网格由构造对齐**；训练集本身含非像素照片，任意图可入。三个出局理由：①LICENSE 自定义非商业，原文点名禁止用于"video games"等商业产物；②`convert('RGB')` 强转、**不支持透明**；③**不支持用户给定色板**，官方 issue 区有颜色漂移投诉。权重 Google Drive 链接存活、PyTorch≥1.7.1 可跑，但只配当研究基线。来源：[仓库](https://github.com/WuZongWei6/Pixelization)、[LICENSE](https://github.com/WuZongWei6/Pixelization/blob/main/LICENSE.md)。
|
||||
|
||||
**e2 SD-πXL（SIGGRAPH Asia 2024，MIT，67★）**。Score distillation 路线：文本**或图像**输入，可指定输出尺寸与色板，输出即低分辨率量化图（网格构造对齐）；基于 SDXL，慢、非即插权重、8GB 吃紧，2025-05 后无更新。方法级储备，非即用。来源：[SD-piXL](https://github.com/AlexandreBinninger/SD-piXL)、[arXiv](https://arxiv.org/abs/2410.06236)。
|
||||
|
||||
**e3 闭源服务（RD / PixelLab）**。RD 生成 API 有专门"已有图→像素画"style：`rd_pro__pixelate`（INPUT_IMAGE_REQUIRED，输出 16-256px，$0.18/张）；配套免费端点 k_centroid_downscale/color_reducer/palette_converter（传 input_palette）与 background_remover（$0.01，带 transparency_threshold/force_solid_pixels）。PixelLab 订阅 $12/月起，强项在角色生成/旋转/动画而非大图转像素。生成图商用条款：PixelLab FAQ 明确允许（禁用于训练模型）；RD ToS 需自核。来源：[RD API 指南](https://www.retrodiffusion.ai/app/guide/api)、[PixelLab pricing](https://www.pixellab.ai/pricing)。
|
||||
|
||||
**e4 生成端"直出对齐网格"**：维持 09-25 报告结论——开源侧无任何"生成即网格对齐"权重（LoRA 只给风格不给网格），2026-09-25 之后无新变化；对齐能力仍只在闭源服务手中。
|
||||
|
||||
### f. 其他路线（环节级）
|
||||
|
||||
**f1 前置去底**（必须在量化之前，否则奶油描边/灰底/阴影吃掉色板名额且染脏边缘）：纯灰单色底首选 **OpenCV inRange 键控**——确定性、硬 alpha、不向色板引入中间色（[官方教程](https://docs.opencv.org/4.x/da/d97/tutorial_threshold_inRange.html)）；复杂底用 rembg（MIT，pip 即用，u2net Apache-2.0）或 BiRefNet（MIT，标准模式约 5.5GB 显存 8GB 可跑，HR 版约 9.5GB 吃紧）；**RMBG-2.0 为非商业+门控，勿用于游戏资产**。注意 rembg/BiRefNet 的软 alpha 羽化边会给量化制造半透明脏像素，出 alpha 后建议阈值化。来源：[rembg](https://github.com/danielgatis/rembg)、[BiRefNet](https://github.com/ZhengPeng7/BiRefNet)、[RMBG-2.0](https://huggingface.co/briaai/RMBG-2.0)。
|
||||
|
||||
**f2 白翳专项（alpha defringe）**：ImageMagick 没有 `-defringe`（官方选项索引全文核对，网传为讹）；等价件=`-alpha shape` 或 `-channel A -morphology Erode disk:1`。PIL/OpenCV 层面十几行：alpha 腐蚀 1px + 边界像素 RGB 回填最近内部实色（即现行脚本 edge_inpaint 的思路，保留即可）。参考：[SO 讨论](https://stackoverflow.com/questions/48539751/removing-black-edge-artifacts-from-a-transparent-image)。
|
||||
|
||||
**f3 矢量描摹（vtracer MIT 活跃/potrace GPL）**：不适用——贝塞尔轮廓天然反锯齿不落整数网格，转回栅格等于重引入对齐问题。
|
||||
|
||||
**f4 网格相位估计的开放实现**：pixel-art-fixer 三检测器之外，唯一有代码可抄的公开参考是 **0x09/resdet**（FFT 自相关找插值周期伪影反推原始分辨率；libresdet LGPL-2.1、CLI MIT，313★），其"行/列差分剖面+自相关主峰"数学可直接移植成几十行 Python。来源：[resdet](https://github.com/0x09/resdet)。
|
||||
|
||||
**f5 人工手修**：三锁工作流既有共识（拼版锁定→像素化参数冻结→手修相位差/断线/色板偏差），即使 fixer 对齐率 94% 仍有约 6% 需人工修格，1600% 放大目检不可省。
|
||||
|
||||
---
|
||||
|
||||
## §4 Top 3 推荐路线（针对本输入特征）
|
||||
|
||||
输入特征回顾：AI 生图、网格不对齐、JPEG 噪声、奶油描边+灰底+地影、目标 ≤32 色/96~144px 高/透明底、要进脚本。
|
||||
|
||||
### 路线一（主力）：fixer 收网格 → 去底 → pngquant 量化 → 清洗去翳（纯本地、全自动、许可证全绿）
|
||||
|
||||
```
|
||||
1. pixel-art-fixer --extract 把 687×1024 收回到隐含原生网格（约 93~146 高，≈目标档）
|
||||
——带底跑检测更稳（均匀底色有利于自相关峰值）
|
||||
2. 1x 图上去底：OpenCV inRange 键控灰底（容差 ~24-48）+ 沿用现行屏障/影色规则吞地影
|
||||
——1x 下底色是平整单色，键控零失误；alpha 阈值化成硬边
|
||||
3. pngquant 32 --quality 70-95 --speed 3 --floyd=0 量化
|
||||
——先试零抖动；若渐变区出现色带再 --floyd=0.2-0.4
|
||||
——或对接项目冻结色板：Pillow quantize(palette=项目色板图, dither=NONE) 做 remap
|
||||
4. OpenCV connectedComponentsWithStats 删面积 <4px(96 档)/<8px(144 档) 的孤立色块
|
||||
5. alpha 腐蚀 1px + 边界像素回填最近内部实色（沿用现行 edge_inpaint 思路）
|
||||
```
|
||||
|
||||
- 为什么是它：网格环节用的是基准第一的工具（94% 对齐率）；量化环节用的是 alpha 感知的质量上限；每一步都有 CLI/Python API；许可证 MIT/Apache（pngquant GPL 仅内部脚本调用无传染）。
|
||||
- 质量兜底：fixer 失败的图（约 6%）进路线二或手修。
|
||||
- 验证手段：pixel-bench（MIT）可用自有 1x 素材自建评测集，管线改动前后跑分对比。
|
||||
|
||||
### 路线二（零成本参照物+兜底）：RD Pixel Art Fixer 网页/免费 API
|
||||
|
||||
- 用途一：**今天就拿一张现行管线不满意的图丢进网页版**（Standard 引擎，本地 WASM 不上传），参数 Color count=32、Dither matrix=4、strength=0——它给出的是"这张输入理论上能修到什么水平"的免费标杆，路线一的调参目标就是追平它。
|
||||
- 用途二：路线一对个别疑难图失败时的兜底（免费 API 10 次/分够批量兜底）。
|
||||
- 边界：Neural 引擎会上传服务器；32 色是色数不是指定色板，精确项目色板仍需 remap 一步。
|
||||
|
||||
### 路线三（细节保留向对照）：PixelOE
|
||||
|
||||
- 轮廓扩张+对比度感知对"细节丢失"痛点针对性最强，Apache-2.0、有 ComfyUI 节点、8GB 无压力。
|
||||
- 接法：PixelOE 缩到目标档 → 固定色板 remap（dither=NONE）→ 清洗去翳（同路线一第 4-5 步）。
|
||||
- 短板：不估输入网格相位。用法是与路线一并跑 A/B，按敌种选优（细节多的怪如卓尔/蛛后试 PixelOE，色块平坦的怪用 fixer）。
|
||||
|
||||
### 明确出局
|
||||
|
||||
WuZongWei6/Pixelization（禁商用点名游戏）、RMBG-2.0（非商业门控）、filipemeneses/comfy_pixelization（无 LICENSE）、BetterPixelArtDownscale（无 LICENSE，想要先找作者要授权）、矢量描摹（原理不适用）、Pixelicious（本次无法核实）。
|
||||
|
||||
---
|
||||
|
||||
## §5 附：现行 `pixelize_candidates.py` 最小补丁清单（若不立即换装路线一）
|
||||
|
||||
按收益排序，每行独立可改：
|
||||
|
||||
1. `quantize(QUANT_COLORS, method=Image.MEDIANCUT)` 补 `dither=Image.Dither.NONE`——灭掉脏点最大单一来源（Pillow 默认开 FS 抖动）。
|
||||
2. `QUANT_COLORS` 64→32，或改 `quantize(palette=项目色板图, dither=NONE)` 直接对接冻结色板。
|
||||
3. `pixelize()` 开头加 `cv2.medianBlur(np.asarray(im), 3)`——JPEG 噪点前置清理（注意 medianBlur 在 RGB 上做，alpha 通道跳过）。
|
||||
4. BOX 到 4× + NEAREST ÷4 两段改为一次 `cv2.resize(dst, INTER_AREA)` 到目标尺寸——消掉"模糊图上随机相位点采样"的糊+走样复合伤。
|
||||
5. alpha 通道 MinFilter(3)+NEAREST 阈值改为：AREA 缩到目标 → 阈值 128 → 腐蚀 1px → 边界回填内部实色（edge_inpaint 保留）。
|
||||
|
||||
这五步不解网格相位（那是路线一的事），但能把现状痛点削掉大半，改动量 <30 行。
|
||||
|
||||
---
|
||||
|
||||
## §6 本次未找到/未能核实的（如实记录）
|
||||
|
||||
1. Pixelicious（pixelicious.xyz）功能与免费状态——调研网络对该域 DNS 异常+连接超时。
|
||||
2. Photoshop Mosaic 滤镜"只打块不降尺寸"的界面文案一手证据（helpx 403；UXP 文档无此条目）。
|
||||
3. ImageMagick 原生 Atkinson 支持——quantize usage 页无此方法，未找到公开证据，按"不支持"处理。
|
||||
4. 2025-2026 新出现的专用神经像素化模型——检索无新增，PixelOE（非神经）是唯一活跃增量。
|
||||
5. pixel-art-fixer 对 RGBA 输入的 alpha 处理细节——README 未写明，接入时对 alpha 单独通路处理（§4 路线一第 2 步的键控顺序即规避方案）。
|
||||
|
||||
## 关联文档
|
||||
|
||||
- 上游（生成端+后处理工具链初核）：[pixel-grid-gen-research-2026-09-25.md](pixel-grid-gen-research-2026-09-25.md)（pixel-art-fixer/pixel-bench/ComfyUI 节点系/许可证红旗速查的首次核实在此）
|
||||
- 现行管线实现：[tools/pixelize_candidates.py](../../tools/pixelize_candidates.py)（v3，屏障法去底+BOX/NEAREST 两段缩放）
|
||||
- 模型对比（生成侧）：[zimage-vs-qwen-pixel-lora-2026-09-25.md](zimage-vs-qwen-pixel-lora-2026-09-25.md)
|
||||
Reference in new issue
Block a user