实现自动化办公

在日常办公，会经常遇到批量修改文件名或者按照颜色分类颜色文件的情况，花费很多时间，也会消耗精力，于是决定开发此程序

运行之前的操作

打开想放置此代码的文件夹，例如D盘,那就打开D盘，鼠标右键，选择在终端中打开，然后输入以下命令，如图

若在线上代码仓库gitee上看到此开源代码，需要先将代码克隆到本地。在命令行终端上输入

git clone https://gitee.com/iven_he/office-automation.git

进入代码文件夹

cd D:\office-automation

建议创建虚拟环境，防止污染全局python

python -m venv .venv

安装代码依赖库

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

对工作文件夹的要求

此项目需要一个工作文件夹，包含了已经初步完成的800x1200尺寸的平铺图，命名规则：1200(x)。x是编号，应该从6开始;对于模特图，应该是以数字命名：例如1,2,3等。但是其他数字似乎没有影响。

一个标准的工作文件夹应该如下图所示

若是对于童装的多件套装，标准的工作文件夹应该如下图所示

另外，若是有详情页，详情页的文件命名是：详情页.jpg，与上图图片的位置应该一致
对详情页裁切完成后会自动删除详情页的原始文件

务必备份所有文件在进行自动化操作，自动化操作的一切步骤不可撤销

自动化办公的初始化

首先要先进行颜色阈值的初始化——color_div/init.py

init简介

init.py是一个颜色阈值初始化程序，用于初始化颜色阈值，使得在后续的颜色识别中能够更加准确的识别颜色。传入的参数是包含所有文件夹路径。
在终端打开的文件夹会作为相对路径的根目录，保存的颜色阈值文件会保存在改目录下的下，建议每个工作文件夹都作为单独的项目，例如童装和成人应该分别初始化

使用方法

建议直接讲图片保存在office-automation文件夹下，下面的指令都是讲工作文件夹放在office-automation下进行操作的
然后鼠标右键，在终端打开office-automation文件夹 如下图

然后激活环境

.\.venv\Scripts\activate

然后使用cd指令进入工作文件夹中，例如

cd 42child3pureA

此时，终端显示应该是这样的

(.venv) (base) PS D:\code_python\office_automation\42child3pureA>

如图

运行init.py (PATH->init.py是指init.py的路径)，例如：

D:\code_python\office_automation\color_div\init.py

# 在命令结尾的-p(也可以是--path)是初始化图片的路径文件夹的参数
python PATH->init.py -p D:\AM66

# 或者
python PATH->init.py --path D:\AM66

如图

注意：
图中的./是指D:\code_python\office_automation\42child3pureA下的根目录，即D:\code_python\office_automation\42child3pureA

运行init窗口

• 运行程序后会出现3个窗口，一个窗口调整阈值滑块，一个窗口显示原图片，一个窗口显示识别后的图片

• 先调整index滑块，使得显示的图片是需要识别的图片

• 滑动阈值滑块，调整HSV颜色阈值，使在尽可能小的阈值范围将衣服尽可能多的显示白色

• 调整area滑块，用尽可能大的值使得显示原图像的窗口出现完整的绿色框框住衣服 如图

• 调整chooes_area滑块，0对应模特的识别面积，1对应平铺图的识别面积

• 阈值调整完毕后再次滑动index滑块，确定阈值调整的效果，不会识别到别的颜色，如果效果不佳，反复调整阈值

• 选择color对应的数字：

0 :'白色'
1:'黑色'
2:'浅紫'
3:'粉红'
4:'浅蓝'
5:'浅绿'
6:'杏色'
7:'浅黄'
8:'红色'
9:'黄色'
10:'深灰'
11:'卡其'
12:'虾玉色'
13:'雾霾蓝'
14:'天蓝'
15:'水蓝'
16:'橙色'
17:'克莱因蓝'
18:'草绿'
19:'紫色'
20:'彩兰'
21:'啡色'
22:'花灰'
23:'灰蓝'

• 滑动两个save滑块完成保存操作，然后一定要把save滑块归零，然后调整index设置其他颜色的阈值 完成初始化后，文件夹的结构应该是这样的

或

! 注意，每个面积保存一次后，理论上来说不需要再调整 !

主文件使用方法

备份工作文件夹，以防出现意外

以上图的工作文件夹为例，程序会对所有图片进行裁剪和分类
在终端执行命令(需要激活虚拟环境)

然后使用cd指令进入工作文件夹中，如果已经进入，不必理会，例如

cd 42child3pureA

激活虚拟环境，如果已经激活，不必理会

.\.venv\Scripts\activate

此时，终端显示应该是这样的

(.venv) (base) PS D:\code_python\office_automation\42child3pureA>

运行程序，无需粘贴png图片(默认)，没有多颜色分类(多件童装的形式)(默认)，没有提供额外的主图文件夹(默认)，需要颜色分类，代码实例如下

python officeautomation.py --path D:\42maleT-A2-2

运行程序，无需粘贴png图片(默认)，没有多颜色分类(多件童装的形式)(默认)，没有提供额外的主图文件夹(默认)，不需要需要颜色分类，代码实例如下

python officeautomation.py --path D:\42maleT-A2-2 --ifcolordiv False

对于多颜色童装例如下图的情况

一般需要粘贴png图片

以下是多颜色的童装并且需要粘贴png的代码实例

python path->office_automation.py --path D:\KC-33-171009\AM66 --morecolor true --stack true --stack_path path->png --xposition 90 --yposition 760

如图

以上指令
参数--xposition是png的粘贴x轴(横向)位置
参数--yposition是png的粘贴y轴(纵向)位置
参数--path是图片所在的路径
参数--morecolor是指是(true)否(false)是多颜色识别
参数--stack是指是(true)否(false)是粘贴png图片
参数--stack_path是指png图片的路径
path->office_autmation.py是office_automation.py的路径，path->png同理

运行后会弹出一个粘贴png的预览窗口，如果预览结果比较满意，按任意键可以继续运行代码

如果png粘贴位置不理想的处理方法

若出现png粘贴位置不合预期，将窗口切回终端，按ctrl+C，然后关掉窗口，强行终止程序，然后按上箭头键重复上一次运行的命令，调整--xposition和--yposition参数的值，然后回车运行

历史版本

2.1版本新增功能：

• 添加了多颜色识别的功能，对于三颜色童装和双颜色通知提供了多颜色分类，在main函数的调用将morecolor参数改为True即可

2.2版本新增功能：

• 添加了png图片的粘贴
• 对于多件套装的童装需要粘贴png图片（两件装等），在main函数封装了stack参数，如果需要粘贴，将stack参数改为True,stack_path改为png的路径，position改为粘贴的位置坐标。

3.0版本新增：

修改为命令行传参形式

3.1版本新增：

• 添加新的颜色
• 随机将两张主图的800x800尺寸的图片移动到项目根目录下，并且改名为主题(n).jpg
• 对于含有中文路径的图片不进行图像识别操作

3.2版本新增：

• 添加了详情页的裁切功能
• 更正了单件童装不识别的问题

帮助

• 如果对参数不清楚，可以输入以下命令查看帮助

  python officeautomation.py -h

• /是指相对路径，\是指绝对路径，参考绝对路径和相对路径的区别

• 对于一些参数前面的r，是指原始字符串，在python中\是一种转义字符，要忽略这种转义，在字符串前加r，例如r'D:\42maleT-A2-2'，这样就可以忽略\的转义

如何添加新颜色

此操作需要修改源代码

修改init.py文件

• 第63行修改第四个参数，这个数字是指 颜色的总数-1，例如现在有24种颜色，那么这个数字应该是23

    cv2.createTrackbar('color', 'test', 0, 23, callback)
  

• 第33行的dist是一个字典，添加新的颜色，编号:颜色名

修改color_divider.py文件

• 第53行是需要创建的颜色文件夹的列表，在内添加新的颜色，如果这个颜色不添加，这个文件夹就不会创建，移动文件的时候文件就会丢失

• 如果这个颜色是需要单颜色的识别，即成人的一件装，在代码128行开始的# region 单件装颜色识别的区域到170行的# endregion的区域添加新的颜色的识别代码，格式如下

    elif color_detect(img, '颜色名.npy', areafile=area):
        mvfile([i], os.path.join(path, '颜色名'))
  

• 如果这个颜色是需要多颜色的识别，即童装的多件装，在代码188行开始的# region 对于童装套装的颜色识别的区域到202行的# endregion的区域添加新的颜色的识别代码，格式如下

    if color_detect(img, '颜色名.npy', areafile=area) and len(dict_[file_path]) < 3:
        dict_[file_path].append('颜色名')
  

需要优化的部分：

事后再P尺寸1200的主图模特图，直接存在主图文件夹。然后打开cutter/cut.py在结尾函数调用的位置调整参数，比如有多个图片(A和B)都在主图路径(D:\41short\KC-41-XOU179\主图)下，并且A和B都是主图模特图，需要进行裁剪

cut_cut('B.jpg','A.jpg',path=r'D:\41short\KC-41-XOU179\主图')

运行文件

额外的功能

对于设计人员，有很多的图片在本地难以寻找，但是又有相似的图片，这个图片可能是原图片的缩放版本，现在想知道原图片的位置

打开match/matcher.py，调整结尾的函数参数，第一个参数是原图片可能会存在的文件夹路径，第二个参数是需要寻找的图片的路径(现有图片)

main('D:\\', 'C:\\user\\desktop\\1.png')

主文件调用的其他模块的单独使用说明

color_divider.py

这是一个颜色分类的模块，用于将图片按照颜色分类，单颜色识别的时候，调用的函数是main函数，多颜色识别的时候调用的函数是main_more_color函数
想单独使用这个模块，要对源码修改，现将结尾if '__name__' == '__main__':的多余代码注释掉，然后在下一行调用main或者main_more_color函数，两个函数都有传入两个参数:path和area

# path 是图片的路径，例如：'D:\42male2-5\S255'
# area 是图片的面积的路径，例如：'D:\42male2-5\S255\area1.npy'
main(path=r'D:\42male2-5\S255', area='D:\42male2-5\S255\area1.npy')

此函数会将此文件夹D:\42male2-5\S255下的图片按照颜色分类，将图片移动到对应的颜色文件夹下，多颜色识别的时候，会将图片移动到多颜色文件夹下
注意，此文件运行之前要先运行init.py文件，初始化颜色阈值

对于多颜色识别，需要调用main_more_color函数，传入两个参数，path和area

# path 是图片的路径，例如：'D:\42male2-5\S255'
# area 是图片的面积的路径，例如：'D:\42male2-5\S255\area1.npy'
main_more_color(path=r'D:\42male2-5\S255', area='D:\42male2-5\S255\area1.npy')

此函数会将此文件夹D:\42male2-5\S255下的图片按照颜色分类，将图片移动到对应的颜色(黄色+草绿)文件夹下，多颜色识别的时候，会将图片移动到多颜色文件夹下
注意，此文件运行之前要先运行init.py文件，初始化颜色阈值,并且只对童装套装有效

cutter/cut.py

这是一个图片裁切的模块，用于将图片裁切成800x800和750x1000的图片，主要用于主图模特图的裁切，调用的函数是cut_cut函数
先传入不定参数——图片名，然后传入path参数，这个参数是图片所在的文件夹路径

#一下案例是对D:\41short\KC-41-XOU179\主图 文件夹下的A.jpg和B.jpg进行裁切，如果A.jpg和B.jpg有任意一个大小不是800x1200，会抛出异常
cut_cut('A.jpg','B.jpg',path=r'D:\41short\KC-41-XOU179\主图')

尚未开放完毕的功能

在许多设计公司，印花的图片可能存在共享网络的电脑上，现有需求，本地用户直接在共享网络文件中查找图片路径

match/test.py文件是在测试在局域网共享网络中连接其他主机的共享文件夹，然后尝试在内读取图片文件

现有难点：
    1.无法获取目标计算机文件下下的文件路径，只能获取文件夹的名次，若有在共享文件夹中有os.walk类似的方法似乎可以解决这个问题
    2.无法使用OpenCV的decode方法打开目标文件夹下的图片