概要

px-asset-extractは、複雑な機械学習を使わずに、入力画像中のポスターやスライド中の個別要素（図、表、ブロック、図形等）を自動で検出して個別の透明PNGとして保存し、各資産の位置情報などをまとめたJSONマニフェストを出力するツールです。古典的な画像処理手法で領域検出・マスク生成・切り出し・透視補正を行うため、実行が軽くオンプレや低リソース環境でも利用しやすい点が魅力です。デモはHugging Faceで確認できます。

リポジトリの統計情報

• スター数: 3
• フォーク数: 0
• ウォッチャー数: 3
• コミット数: 7
• ファイル数: 9
• メインの言語: Python

主な特徴

• 完全に古典的コンピュータビジョン手法で実装（No ML models）
• 画像中の複数資産を個別の透明PNGとして出力、同時にJSONマニフェストを生成
• ポスター・スライド・インフォグラフィック向けにチューニング済みの前処理とフィルタリング
• Hugging Faceでのデモ公開、Python 3.9+サポート、MITライセンス

技術的なポイント

px-asset-extractは学習モデルを使わない方針のため、処理は従来型CVパイプラインで完結します。まず入力画像に対してカラースペース変換（RGB→グレースケールやHSV）やガウシアンブラーでノイズ低減を行い、適応的閾値処理やエッジ検出（Canny等）で候補領域を浮かび上がらせます。次にモルフォロジー演算（膨張・収縮）で領域を整形し、輪郭検出で連結成分を抽出。面積・アスペクト比・形状の凸性・周囲の余白など複数のヒューリスティックでフィルタリングして「有効な資産」を識別します。検出領域には透視補正（四点射影変換）や回転補正を施して矩形に正規化し、アルファマスクを生成して背景を透過させたPNGを出力します。生成されるJSONマニフェストには、元画像に対するバウンディングボックス、切り出しファイル名、座標（および必要に応じて透視変換行列やスコア）などが含まれ、後続のワークフローで使いやすく設計されています。

実装面ではPython中心で、OpenCV等の一般的ライブラリを想定した構成になっており、軽量でローカル実行が容易です。利点はモデルの学習不要による即時利用性と低ランニングコスト、欠点は複雑な重なりや微妙な境界（半透明やグラデーション）に対するロバスト性が限定される点です。将来的な拡張としては、選択的にセマンティックセグメンテーションモデルを組み合わせるハイブリッド方式、パラメータ自動調整やユーザインタラクションによる微調整UI、OCR連携によるテキストメタデータ抽出などが考えられます。

プロジェクトの構成

主要なファイルとディレクトリ：

• .gitignore: file
• LICENSE: file
• README.md: file
• SKILL.md: file
• examples: dir

…他 4 ファイル

（examplesフォルダにはサンプル画像と処理コマンドの例が入っており、READMEにはHugging Faceデモへのリンクや簡単な実行方法が記載されています）

まとめ

古典的CVで軽快に画像資産を抽出する実用的なツールです。

リポジトリ情報：

• 名前: px-asset-extract
• 説明: Extract individual assets from images as transparent PNGs. Zero ML models, pure classical CV.
• スター数: 3
• 言語: Python
• URL: https://github.com/JadeLiu-tech/px-asset-extract
• オーナー: JadeLiu-tech
• アバター: https://avatars.githubusercontent.com/u/266345503?v=4

READMEの抜粋：

px-asset-extract

Extract individual assets from images — posters, infographics, slides, diagrams — as transparent PNGs with a JSON manifest. Zer…