摘要:批量商品图的抠图结果靠人工一张张验收,成本高且标准不一。本文先说清白边、发灰这些问题的四个成因,再把可量化的检测项做成流水线:图片落到 OSS 自动触发函数计算,检测 alpha 分布与边缘白边强度,结果回写并输出报告。文中给出可直接部署的代码、事件配置与三个容易踩的坑。
电商团队做批量商品图时,真正耗时的往往不是生成,而是验收。一个店铺一次上新几十个 SKU,每个 SKU 出几张图,靠人眼判断"边缘干不干净、主体有没有被吃掉",既慢又不一致——同一个人上午和下午的标准都可能不同。
这类判断里有一部分是可以量化的:抠图结果的透明度分布、边缘残留强度、高光区域是否被误判为背景。量化的部分交给机器,人只看机器判不过的那些,验收成本能降一个数量级。
下面这条流水线就是干这个的。整条链路只用到两个产品:OSS 存图,函数计算做检测。
一、商品图抠图质量怎么判:三个可量化指标
流水线能自动判什么,取决于指标能不能算出来。商品图里最值得量化的三项:
其一,透明度分布。 抠图输出的是 alpha 通道,每个像素记录"有多少比例来自前景"。对不透明商品,alpha 应该集中在 0 和 1 两端;对玻璃、亚克力这类半透明商品,中间值必须有分布。如果一张玻璃杯的图跑出来中间区间几乎为空,说明处理环节在做二值分割,杯壁的透明感已经丢了。
其二,边缘白边强度。 白底棚拍的图,抠完之后轮廓外常常残留一圈背景色。把结果合成到深色背景上,量一下紧贴轮廓外侧几个像素的亮度比背景高多少,这个差值就是白边强度。
其三,高光区域是否保留。 金属件的高光是环境在曲面上的镜像,属于物体本身。如果高光区的 alpha 小于 1,合成到深色背景会透出背景色,表现就是"金属发脏"。
| 指标 | 计算方式 | 不合格说明什么 |
|---|---|---|
| 中间区间占比 | alpha 直方图 0.1–0.9 区间像素占比 | 在做二值分割,半透明件必出问题 |
| 白边强度 | 轮廓外环带亮度均值 − 背景亮度 | 背景色残留或羽化过头 |
| 高光 alpha | 高光 ROI 内 alpha 均值 | 高光被当成背景削掉了 |
这三项都能从导出的 RGBA 文件里算出来,不依赖任何生成服务,也不调用接口。这是能做成流水线的前提。
二、白边和发灰是怎么来的:四个常见成因
指标只能告诉你"有问题",要知道怎么修,得先分清成因。商品图抠图出的毛病,通常落在这四类里。
成因一:背景色残留。 白底棚拍的图,轮廓外那一圈像素是前景与背景的混合结果。如果处理时只做了二值分割、没做颜色去污,这圈混合色会被完整保留,合成到深色背景就显成灰白边。
成因二:alpha 过渡带过宽。 后处理叠了半径过大的羽化,等于把已经模糊的边缘再糊一次。表现是白边很宽很软,怎么收都收不掉。
成因三:半透明件被当成实体。 玻璃杯的杯壁本来就有 20% 到 40% 的透光。如果算法输出只有 0 和 1 两个值,杯壁的透明度就丢了,表现是"发灰""发死",放到彩色背景上像蒙了层雾。
成因四:高光被误判为背景。 金属件的镜面高光在白色背景下亮度接近背景,边缘检测容易把它一并划走。表现是金属发脏、像哑光塑料——这比留一圈白边更难救,因为材质感已经丢了。
| 现象 | 对应成因 | 该看哪个指标 | 怎么修 |
|---|---|---|---|
| 边缘一圈灰白、宽度窄 | 背景色残留 | 白边强度偏高,中间区间正常 | 颜色去污,或轻微收边后重新合成 |
| 边缘发虚、宽度大 | 过渡带过宽 | 中间区间占比偏高 | 减小羽化半径,重新收边 |
| 杯壁发灰、没有透光 | 半透明件被当实体 | 中间区间占比接近 0 | 换支持 alpha matting 的处理方式 |
| 金属高光消失、材质变哑 | 高光被判为背景 | 高光区 alpha 小于 1 | 回到原图,单独框出高光区重做 |
这张表是后面所有自动化判断的依据:先定成因,再定指标,最后才谈阈值。跳过成因直接调阈值,往往把一种问题换成另一种。
三、整体架构:商品图进 OSS 之后发生什么
链路很短,只用了两个产品:
┌──────────────────┐
上传成品图 ──▶ │ OSS raw/ │
└────────┬─────────┘
│ ObjectCreated 事件通知
▼
┌──────────────────┐
│ 函数计算 FC │
│ 检测 + 判定 │
└────────┬─────────┘
│ PutObject
▼
┌──────────────────┐
人工复核 ◀── │ OSS out/ │ report.json
└──────────────────┘
三个组件的职责划分很清楚:
- OSS 只做存储和事件源。原始图放
raw/前缀,检测结果写out/前缀,两个前缀隔离是后面避免递归触发的关键。 - 函数计算 做无状态计算。一次调用处理一张或多张图,算完就返回,不保存任何中间状态。
- 事件通知 把两者连起来。不需要自建服务、不需要轮询、不需要维护队列。
选择事件驱动而不是定时批处理,原因是验收有时效性:图生成完就应该判,等到第二天跑批,返工窗口已经过了。
四、检测模块:不依赖云服务的纯计算
这一层是纯 Python,跟 OSS 和函数计算都无关,方便本地调试。依赖只有 numpy 和 Pillow。
"""inspect_image.py —— 单张图的 alpha 与边缘检测"""
import io
import numpy as np
from PIL import Image
LUMA = np.array([0.2126, 0.7152, 0.0722], dtype=np.float32)
def dilate(mask, iters=1):
"""4 邻域膨胀,纯 numpy 实现,避免引入 scipy"""
m = mask.copy()
for _ in range(iters):
p = np.pad(m, 1, mode="edge")
m = p[:-2, 1:-1] | p[2:, 1:-1] | p[1:-1, :-2] | p[1:-1, 2:]
return m
def alpha_profile(a):
hist, _ = np.histogram(a, bins=10, range=(0.0, 1.0))
total = float(a.size)
return {
"transparent_ratio": round(float(hist[0]) / total, 4),
"semi_ratio": round(float(hist[1:9].sum()) / total, 4),
"opaque_ratio": round(float(hist[9]) / total, 4),
"alpha_mean": round(float(a.mean()), 4),
}
def fringe_score(rgb, a, bg=(18, 18, 20), band=3):
"""合成到深色背景后,统计轮廓外侧亮度相对背景的抬升"""
b = np.array(bg, dtype=np.float32) / 255.0
comp = rgb * a[..., None] + b * (1.0 - a[..., None])
lum = comp @ LUMA
fg = a > 0.02
near = dilate(fg, band)
outer = near & ~fg # 紧贴轮廓外侧的环带
base = lum[~near] # 远离轮廓的背景
if outer.sum() == 0 or base.size == 0:
return None
return round(float(lum[outer].mean() - base.mean()), 4)
def inspect(data, max_pixels=40_000_000):
"""输入图片字节流,输出指标字典;超过像素上限直接抛错"""
im = Image.open(io.BytesIO(data))
im.load()
w, h = im.size
if w * h > max_pixels:
raise ValueError(f"图片过大: {w}x{h}")
if im.mode != "RGBA":
im = im.convert("RGBA")
arr = np.asarray(im, dtype=np.float32) / 255.0
rgb, a = arr[..., :3], arr[..., 3]
prof = alpha_profile(a)
prof["fringe"] = fringe_score(rgb, a)
prof["size"] = [w, h]
return prof
几个实现上的取舍值得说明。
dilate 用 4 邻域自己实现,没有引入 scipy。原因是函数计算的依赖包越小,冷启动越快;scipy 装进来会让部署包大一个量级,而这里只需要膨胀三个像素。
像素上限放在函数内部判断,不是靠调用方传参。原因是 OSS 上的对象大小由上传方决定,检测端必须自己有兜底,否则一张 8000×8000 的图能把实例内存打满。
fringe_score 返回的是相对值,不是通用分数。它只在同一张图的不同处理版本之间比较才有意义,没有跨品类通用的阈值。这一点必须写进报告,否则容易被误当成质量分。
五、函数计算入口:解析事件、读写 OSS
这一层只做三件事:从事件里取出对象位置、调用检测、把结果写回。
"""handler.py —— 函数计算入口:OSS 事件触发,检测后回写"""
import json
import os
from urllib.parse import unquote_plus
import oss2
from inspect_image import inspect
ENDPOINT = os.environ["OSS_ENDPOINT"] # 同地域填内网 endpoint
OUT_PREFIX = os.environ.get("OUT_PREFIX", "out/")
MAX_BYTES = int(os.environ.get("MAX_BYTES", 20 * 1024 * 1024))
def get_bucket(context, name):
"""用函数计算提供的临时凭证访问 OSS,不在代码里放 AK"""
c = context.credentials
auth = oss2.StsAuth(c.access_key_id, c.access_key_secret,
c.security_token)
return oss2.Bucket(auth, ENDPOINT, name)
def parse_event(event):
if isinstance(event, (str, bytes)):
event = json.loads(event)
for ev in event.get("events", []):
oss = ev.get("oss", {
})
bucket = oss.get("bucket", {
}).get("name")
key = unquote_plus(oss.get("object", {
}).get("key", ""))
if bucket and key:
yield bucket, key
def handler(event, context):
results = []
for bucket_name, key in parse_event(event):
bucket = get_bucket(context, bucket_name)
meta = bucket.head_object(key)
if meta.content_length > MAX_BYTES:
results.append({
"key": key, "skipped": "超过体积上限"})
continue
try:
report = inspect(bucket.get_object(key).read())
except Exception as exc:
results.append({
"key": key, "error": str(exc)})
continue
report["key"] = key
report["pass"] = (report["semi_ratio"] > 0.005
and (report["fringe"] or 0) < 0.02)
out_key = OUT_PREFIX + key.rsplit("/", 1)[-1] + ".json"
bucket.put_object(out_key,
json.dumps(report, ensure_ascii=False))
results.append(report)
return {
"count": len(results), "results": results}
三个细节:
凭证从 context.credentials 取,不写死在环境变量里。函数计算在配置了角色之后会注入临时凭证,代码里不需要保存 AK,也就不用担心轮换。
对象名要做 unquote_plus。OSS 事件里的 key 是 URL 编码过的,中文文件名不解码会直接 404。
单张图失败不中断整批。捕获异常后写进结果里继续处理下一个,这样一次事件里的部分失败不会导致整批重试。
六、部署配置
按下面的顺序配,缺一步链路就断。
存储准备。 建一个 Bucket,在同地域。建两个前缀目录:raw/ 放待检测图,out/ 放结果。
函数配置。 Python 3.10 运行时,内存 1024 MB,超时 60 秒。代码包需要包含 numpy、Pillow、oss2 三个依赖——依赖打成层挂载,比每次随代码上传快得多,也能减少冷启动时的解包时间。
环境变量。 至少配两个:
| 变量 | 值 | 说明 |
|---|---|---|
OSS_ENDPOINT |
https://oss-cn-<region>-internal.aliyuncs.com |
同地域用内网,走公网会产生流量费 |
OUT_PREFIX |
out/ |
结果前缀,与事件前缀必须不同 |
事件通知。 在 Bucket 上配置事件通知,事件类型选 ObjectCreated:PutObject,前缀填 raw/,后缀填 .png,目标指向上面这个函数。
权限。 给函数配置的角色不要用默认的完全访问策略,写一个自定义策略,只允许两件事:oss:GetObject 作用于 raw/*,oss:PutObject 作用于 out/*。检测只需要读原图、写结果,多给权限没有收益。
七、三个容易踩的坑
坑一:输出写回同一个 Bucket,触发递归。 检测完把 report.json 写回 out/,如果事件通知没有前缀限制,这个写入动作会再次触发函数,函数又写一次,形成无限循环。解决办法就是事件前缀限定为 raw/,输出前缀设为 out/,两者不重叠。这一点在本地测试时不会暴露,上线才炸。
坑二:冷启动把超时吃掉。 numpy 和 Pillow 的导入本身要几百毫秒,首次调用还要解包依赖。如果超时设得很紧(比如 10 秒),大图场景容易在冷启动时失败。建议超时给到 60 秒,并对验收时效要求高的场景配预留实例。
坑三:事件重复投递导致重复计费。 对象存储的事件通知不保证只投递一次。如果同一张图被处理两次,结果一样但会多算一次调用。做法是按 key + ETag 做幂等判断:写入结果前先 head_object 看 out/ 下是否已存在同名结果,存在且 ETag 一致就跳过。
八、规模与成本
这条链路的成本结构很简单:存储费 + 调用次数 + 计算时长,没有常驻实例的固定开销。
单张 3000×3000 的 PNG,检测耗时主要花在解码和膨胀运算上,量级在秒级以内。按一次上新 500 张估算,总计算时长是可接受的,而且只在有新图时产生费用——没有图就没有调用。
想进一步压成本,有两个方向:一是把检测前的降采样做掉,验收不需要原分辨率,长边缩到 2000 已经足够判断边缘;二是把同一批的图合并成一次调用,减少调用次数开销。
不建议的做法是为了省调用次数做定时批处理。验收的价值在于及时,攒一天再跑,返工窗口已经过了。
九、结果怎么用
report.json 里最有用的是 pass 字段和三个指标。落地时建议分两层:
自动分流。 pass=true 的直接进下一环节,pass=false 的进人工复核队列。人工只看被拦下来的那部分,工作量取决于阈值定得准不准。
阈值分品类。玻璃杯和白底纸盒不能用同一套阈值。半透明商品的 semi_ratio 本来就该高,用不透明商品的标准去卡,会全部误判。做法是按品类建几套阈值配置,存在函数的环境变量或配置中心里,别写死在代码中。以栖影AI 的任务记录为例,同一套阈值跨品类硬套,最后往往还是要人工重判一遍;先把品类分开存、再逐类校准,这一步省不掉。
还有一点:报告里应该保留原始指标值,而不是只留一个 pass。原因是阈值会随品类和渠道要求调整,保留原始值才能事后重新判定,不用重跑一遍。
十、常见问题
1. 玻璃杯、金属这类反光材质,抠图后边缘总有一圈白边,是什么原因?
先分清是哪种白边。宽度窄、颜色发灰的,多半是背景色残留——轮廓外那圈像素是前景与背景的混合,没做颜色去污就会留下来。宽度大、边缘发虚的,是 alpha 过渡带被羽化过度了。还有一种情况是半透明件被当成了实体,杯壁的透光丢了,看起来像整片发灰。三种情况的修法不同,用前面那三个指标先定位,再动手。
2. 半透明商品的抠图结果,杯壁为什么会发灰?
因为杯壁的 alpha 本来就是中间值,不是 1。玻璃的透光率决定了那一片像素大约有 20% 到 40% 来自背景,如果处理环节输出的是二值掩码,这个中间值被强行推到 0 或 1,杯壁就变成了不透明的实心块。判断方法很直接:跑一下 alpha 直方图,看 0.1 到 0.9 区间有没有像素。没有就说明做的是分割不是抠图。
3. 怎么判断一张商品图的抠图质量合不合格?
不要凭观感,看三个数:中间区间占比是否与材质相符(半透明件应该明显大于 0)、白边强度是否低于该品类的阈值、高光区的 alpha 是否接近 1。阈值要按品类分别定,玻璃杯和纸盒不能用同一套标准。这套判断做成流水线后,就是本文后面的实现。
4. 能不能判断商品结构对不对,比如纽扣少了一颗?
不能。这条流水线只能判透明度、边缘残留、高光保留这三类可量化的问题。领型、纽扣数量、印花位置这些结构性错误,仍然要人工对照实物,机器给不出结论。把能力边界写清楚,比夸大它能干什么更重要。
5. JPG 格式的商品图能做 alpha 检测吗?
不能。JPG 没有 alpha 通道,读进来转换后整张图 alpha 都是 1,三个指标全部失效——实测结果是中间区间占比为 0、白边强度直接返回空值。所以事件通知里要限定后缀为 .png。如果上游只能给 JPG,这条流水线帮不上忙,得先解决导出格式。
十一、结论
这条流水线的价值不在技术复杂度——它很简单,两个产品、两百行代码。价值在于把"边缘干不干净"这种主观判断,变成三个能算出来的数字,让验收从"看一眼"变成"看报告"。
三个设计上的取舍值得复用:检测逻辑与云服务解耦,方便本地调试和迁移;事件前缀隔离,避免递归触发;报告保留原始指标而不只给结论,方便阈值调整后重新判定。
真正需要人工的部分没有被替代,只是被收窄了——人只看机器判不过的那部分,而且看的时候有具体指标可依,不用凭感觉。