Search K
降噪
基于 AI 的降噪和去颗粒处理,提供多档质量选项,使用 Python 边车(SCUNet 模型)。
API 端点
POST /api/v1/tools/image/noise-removal
处理方式: 异步(返回 202,通过 SSE 轮询 /api/v1/jobs/{jobId}/progress 获取状态)
模型包: upscale-enhance(5-6 GB)
参数
| 参数 | 类型 | 是否必填 | 默认值 | 说明 |
|---|---|---|---|---|
| file | file | 是 | - | 图片文件(multipart) |
| tier | string | 否 | "balanced" | 质量档位:quick、balanced、quality、maximum |
| strength | number | 否 | 50 | 降噪强度(0-100) |
| detailPreservation | number | 否 | 50 | 保留细节的程度(0-100)。值越高保留的纹理越多 |
| colorNoise | number | 否 | 30 | 彩色噪点抑制强度(0-100) |
| format | string | 否 | "original" | 输出格式:original、png、jpeg、webp、avif、jxl |
| quality | number | 否 | 90 | 输出编码质量(1-100) |
请求示例
bash
curl -X POST http://localhost:1349/api/v1/tools/image/noise-removal \
-F "[email protected]" \
-F 'settings={"tier":"quality","strength":60,"detailPreservation":70,"colorNoise":40}'响应
初始响应(202 Accepted)
json
{
"jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"async": true
}进度(位于 /api/v1/jobs/{jobId}/progress 的 SSE)
event: progress
data: {"phase":"processing","stage":"Denoising...","percent":65}最终结果(通过 SSE)
json
{
"phase": "complete",
"percent": 100,
"result": {
"jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"downloadUrl": "/api/v1/download/{jobId}/noisy-photo_denoised.jpg",
"originalSize": 500000,
"processedSize": 380000
}
}说明
- 需要安装
upscale-enhance模型包(5-6 GB)。 - 质量档位在速度和质量之间权衡:
quick最快,仅做基础降噪;maximum采用最彻底的多轮处理方式。 - 对于有纹理的主体(布料、头发、树叶),
detailPreservation参数至关重要。较高的值可防止降噪器抹平细微的细节。 - 当
format设为"original"时,输出格式与输入文件格式一致。 - 通过自动解码支持 HEIC/HEIF、RAW、TGA、PSD、EXR 和 HDR 输入格式。
