图片转幻灯片案例：还原一页截图里的「图中图」

图片转 PPT 的难点常常不在文字和色块，而在图里嵌着的图。把一张 PPT 截图还原成可编辑 PPT 时，文字、色块、线条、表格都能变成原生元素。图里嵌着的图——照片、产品截图、插画、品牌 logo——没有对应的原生形状，用多边形去描很难保留原貌。为了让这类内容在还原后依然清晰可用，我们改为直接从原图里把它们裁出来。

这篇文章用一页「投资主线」幻灯片做例子，说明图片转幻灯片时本工具怎么处理这类内容。

一、这页图里有什么

按还原方式，这页内容可以分成三类：

• 能直接变成原生元素的：大标题、副标题、四条要点、五张卡片的底板和编号胶囊、要点列表、「融资含义」标签、底部两条横栏和所有文字。这些占了页面的绝大部分。
• 能用图标库表达的简单图形：勾选圆点、卡片之间的箭头、工具箱，以及底部的柱状图、盾牌、饼图、趋势、地球、人群等。它们还原为图标元素，导出后仍然可以换颜色、换图标。
• 只能当图片处理的：五张卡片里的 6 张实拍照片（货轮码头、LagRide App 和车、车队停车场、充电站、维修车间、物流园区航拍）；图标库（目前 63 种）里没有对应款式的图标，比如货轮、汽车、充电桩、工厂；以及品牌字标「LagRide」。

第三类就是本文讲的「图中图」。

二、一条底线：模型只给坐标，像素由服务端裁

我们没有让模型生成图片，也没有使用图片编辑模型。这些照片原图里就有，最准确的做法是把原图那一块原样裁下来。

拆解时，模型除了输出各个矢量元素，还会报告每张图的名称和位置框，例如「货轮码头：x 53，y 400，宽 262，高 110」。服务端拿到后：

1. 把这份位置清单和矢量元素分开处理。矢量元素仍然不允许带链接、编码数据或任何位图，这条校验没有放宽。
2. 对每个区域严格校验：只读取数字框和简短名称，名称看起来像链接或编码数据时换成「图片 N」；过小（不到画布 0.1%）或过大（超过 90%）的框丢弃；最多 12 个；其他内容一律忽略。
3. 从你上传的原图里按框裁出像素，保存为本任务内的 PNG。

也就是说，模型给出的只是「哪里有一张图」，图片内容永远来自你自己的原图，模型没有途径往 PPT 里放入外部内容。

提示词同时要求模型：框要紧贴图片；图片外面的文字照常输出为文字元素，不要框进去；图片后面的卡片底板照常输出为原生元素；能用图标库表达的简单图标继续用图标。

三、裁下来之后：要不要去背景

裁出来的是一个矩形。实拍照片本来就是矩形，原样保留即可；但 logo、插画这类图形通常压在纯色底上，矩形裁切会带一圈白底，放到彩色卡片上很突兀。所以每张图都会自动判断一次要不要去背景，全过程是确定性的像素运算，不经过模型：

1. 判断是不是纯色底。取裁切区域最外圈 2 像素，如果 85% 以上的像素都接近同一种颜色，就认为图形放在纯色底上；否则认为是照片，保留矩形，不做任何处理。
2. 只去掉和边框连通的背景。从四条边向内填充，只有和边框连通、颜色接近背景色的区域才变透明。图形内部和背景同色的部分（比如白色的高光、图标里的留白）不和边框连通，会被保留。
3. 软边缘。透明度随颜色差异平滑过渡，边缘不会出现锯齿。
4. 去白边。透明边界向内收缩一个像素，半透明的边缘像素扣除混进来的背景色，放到深色底上也不会出现一圈白边。

四、在这页图上实际跑一遍

为了单独观察去背景算法的表现，我们手工框出这页图里的 11 个区域，用与产品相同的算法处理（这一步不经过模型，框是人工给的）：

下图把结果铺在棋盘格上，透明的地方能看到棋盘格（放大 2 倍）：

6 张照片全部判为照片、原样保留，像素完全不透明；货轮、汽车、充电桩图标和 LagRide 字标的白底被去掉，四角完全透明，图形本身和汽车外圈的细线圆环都保留了下来。

工厂图标说明了框的松紧为什么重要：这个框贴得太紧，烟囱和厂房顶碰到了边框，外圈里有一大块橙色，接近同一颜色的比例不到 85%，于是按照片保留了矩形。把框向外扩 10 像素再处理，就能识别出白底并去掉。为此，你手动「转为图片」时，服务端会把选区外扩至少 4 像素或 4%，让边框落在背景上。

五、你可以怎么调整

模型标出的区域不一定都准确，所以每张图在界面上都可以单独处理：

• 元素清单：矢量元素后面列出所有图片，带棋盘格缩略图和标签（抠图·已去底、抠图·非纯色底、外链图片等）。点清单里的行或画布上的图片可以互相选中。
• 「去背景」开关：自动判断不对时可以手动关掉或打开，服务端会从原图重新生成。
• 「转为图片」：如果某张图被还原成了一组多边形，选中这些元素点「转为图片」，服务端按它们的包围盒从原图裁一张图替换掉，原来的多边形删除。
• 「移除」：不需要的图片直接移除。

以上操作都可以逐步撤销。视觉复检截图时，抠图按实际效果画进预览，复检模型看到的就是最终效果；完整性检查、视觉复检和 imageToEditablePPT-Agent 也会被告知这些区域已经是图片，不要报缺失，也不要再画一遍。

六、导出

导出 PPTX 时，每张抠图直接读取任务里保存的 PNG，作为原生图片嵌入，不访问任何外部地址，这是图片转 PPT 结果在 PowerPoint 里仍然可编辑的最后一环。去过背景的 PNG 带透明通道，在 PowerPoint 里是普通图片，可以移动、缩放、裁剪、替换。

七、目前的限制

• 只能去纯色底。渐变底、照片底上的图形会保留为矩形，可以导出后在 PowerPoint 里处理。
• 圆角照片会带底色角。这页的照片都在圆角卡片里，裁出来的矩形四角是白色。照片不去背景，白角会保留；放回白色卡片上看不出来，换成彩色底时会露出。
• 叠在照片上的文字会出现两份。文字如果压在照片上，裁切会把它一起带走，同时它又被还原为文字元素。提示词要求框避开文字；仍然出现时，可以删除多余的文字元素，或移除这张图片。
• 图片始终在最上层，目前不能在画布上拖动和缩放，可以导出后在 PowerPoint 里调整。

更多关于图片来源、重设计和导出的规则，见专题：我们怎么处理 PPT 中的图片。