图片转可编辑 PPTX

把含文字的图片变成「可见且可编辑」的 PowerPoint。核心难点：直接贴整图 → 文字不可改；整图上叠文字 → 和原图文字重叠双影。本 skill 用三段式解决。

适用判断

• 图片是信息图 / 数据卡片 / 概览图 / 海报，文字多且排版规整。
• 用户要「文字能改」+「看起来像原图」。
• 不适用：纯照片、无文字图、要求像素级还原字体的场景（字体无法 1:1，只能近似）。

三段式流程

第 1 步：标注文字 schema

为图上每段文字记录一条：text, x, y, w, h, size_pt, color_hex, bold, align。坐标是源图像素，左上角原点。另列一个 logos 集合，放品牌 logo 文字（这些当图片处理，不当文字）。

• 来源：可用 OCR（如 paddleocr / tesseract）初定位，再人工微调；或直接肉眼标注。
• schema 格式见 references/text_schema.example.json。
• 颜色用取色器从原图取（PS / GIMP / 在线工具）。

第 2 步：两遍 inpaint 擦除文字笔画（保底色、近无痕）

references/inpaint_text.py（默认两遍，--single 退回单遍）：

Pass 1 — 对每条非 logo 文字，在其 bbox 内对「到文字颜色的距离图」做 Otsu 自适应阈值（比固定阈值鲁棒，自动适应深色字/白字/彩色字），dilate 3 iter，cv2.inpaint(TELEA, radius=5) 擦除主体笔画 + 抗锯齿边缘。 Pass 2 — 检测 pass 1 后仍接近文字色的残留像素（漏掉的笔画核心），dilate 2 iter，cv2.inpaint(NS, radius=3) 从已干净邻域自然填充。

实测残留率：单遍固定阈值 3.1% → 两遍 0.72%（降 76%）。

最关键的一点：mask 只覆盖笔画像素，绝不覆盖整个 bbox。很多文字坐在彩色 pill / 深色底条 / 卡片底色上，整 bbox 擦除会把底色一起抹掉（曾把蓝色 ECI pill 抹成白色）。按颜色距离只抓笔画，底色完好保留。logo 文字跳过不擦（下一步作图片切片）。

第 3 步：叠加可编辑层

references/build_editable_pptx.py：

• 底层：贴上第 2 步的干净背景图。
• logo 层：从原图（不是 inpaint 后的）按 bbox 裁切 logo，add_picture 贴回原坐标，品牌字 1:1 还原。
• 文字层：其余每条文字作不透明（alpha=100）Arial 文本框，add_textbox 放在原坐标，可改字 / 改色 / 改字号。

QA

• 渲染：references/render_pptx.ps1 用 PowerPoint COM 把 slide1 导出 PNG。
• 对比：references/qa_compare.py 生成 side_by_side / blend / diff_heatmap / SSIM。
• 验收：logo 区域 diff 应接近 0；文字区域 diff 主要来自 Arial vs 原字体的度量差（不可消除，可接受）。SSIM 0.75+ 为合格。

关键技巧（踩坑总结）

1. OpenCV 中文路径：cv2.imread / cv2.imwrite 不支持非 ASCII 路径（中文、日文等）。用 cv2.imdecode(np.fromfile(path, dtype=np.uint8), cv2.IMREAD_COLOR) 读，ok, buf = cv2.imencode(ext, img); buf.tofile(path) 写。务必封装成 imread_unicode / imwrite_unicode。
2. 笔画 mask vs 整 bbox mask：这是成败关键。整 bbox mask 会擦掉彩色底块（如把蓝色 pill 抹成白色）。颜色距离阈值 90 对绝大多数场景够用；dilate 2 iter 覆盖抗锯齿边缘。
3. 两遍 inpaint 比单遍干净得多：pass1 用 Otsu 自适应阈值（在「到文字色的距离图」上做 Otsu，比固定阈值鲁棒）+ TELEA r5 擦主体；pass2 检测残留像素（仍接近文字色的点）+ NS r3 精修。残留率 3.1%→0.72%。Otsu 比 fixed-90 抓得更全（coverage 9.7%→17.3%），dilate 用 3 是甜点（4 反而残留升高）。
4. logo 切片 vs 文字渲染：品牌 logo 是艺术字，Arial 重画会失真。从原图裁切贴回最忠实。代价：logo 不可编辑文字（但艺术字本就该是图）。
5. PowerPoint COM 渲染：Presentations.Open(path, $true, $false, $false)（只读、无标题、无窗口）→ Slides.Item(1).Export(out, 'PNG', w, h) → Close() / Quit() + ReleaseComObject。比 LibreOffice 更稳（装了 Office 时）。注意 finally 里一定要 Quit 释放，否则 POWERPNT.EXE 残留。
6. slide 尺寸：保持源图宽高比。13.333in 宽 × (H/W×13.333) 高，多数 16:9 图正好 7.5in。
7. 文本框命名：add_textbox 后设 shape.name = 'editable__' + 前缀，PowerPoint 选择窗格里易定位。
8. 字体差异是固有的：不要试图靠调字号完全消除 diff。Arial 与原图字体度量不同，强行调可能越调越偏。SSIM 0.8 左右已是最佳折中。

命令模板

# 假设 schema.json 已备好，源图 source.png 在当前目录
python references/inpaint_text.py schema.json source.png outputs/background.png
python references/build_editable_pptx.py schema.json source.png outputs/background.png outputs/result.pptx
powershell -File references/render_pptx.ps1 -Pptx outputs/result.pptx -OutPng outputs/preview.png -Width 1672 -Height 941
python references/qa_compare.py source.png outputs/preview.png outputs/qa

依赖

• Python: opencv-python, numpy, python-pptx, scikit-image, Pillow
• PowerShell + Microsoft PowerPoint（用于渲染 QA；无 Office 时可用 LibreOffice soffice --headless --convert-to png）

已知局限

• 字体只能近似（Arial），无法 1:1 还原原图字体。
• 复杂背景（渐变 / 纹理 / 照片底）的 inpaint 可能有涂抹痕迹，需局部调大 radius 或改用 NS 算法。
• 手写体 / 艺术字 logo 必须当图片切片，不能当可编辑文字。
• 多行文字的行距 / 字距与 PowerPoint 默认可能不同，必要时逐行拆成独立文本框。