如何移除或实化渲染角色帧中的半透明像素

对于 8 位 RGBA 图像，每个像素包含红、绿、蓝和 alpha 分量。Alpha 为 0 表示完全透明，alpha 为 255 表示完全不透明。1 到 254 之间的值表示部分透明。Pillow 将 RGBA 说明为包含四个 8 位通道，并带有透明度蒙版。Pillow：概念

因此，帧看起来可能几乎完全不透明，却仍含有许多部分透明像素。编辑前，请在预期显示尺寸下检查副本，并放大查看像素。暂时在图像下方放置浅色和深色背景。留意边缘外侧的淡色像素、缺失的细窄细节和颜色边缘。

判断成品中是否需要保留部分透明度。半透明配饰或柔和阴影在强制转换为不透明或透明蒙版时会发生明显变化。如果只需修正角色轮廓，请先隔离该区域或图层，再执行全局操作。

保留原始渲染帧。阈值处理会将多个 alpha 值压缩为两个端点，因此处理后的文件无法显示这些像素原先的透明程度。

在整个帧序列中使用同一条明确规则。下表中，C 是保留像素的最低 alpha 值，所有保留的像素都会变为完全不透明。这些规则适用于 8 位输入。

期望结果	规则	主要视觉取舍
移除所有半透明像素	仅保留 alpha 255	完全由部分透明像素构成的细窄细节会消失
将所有可见像素实化	保留 alpha 1–255	淡淡的边缘外侧像素会成为实心轮廓的一部分
选择中间轮廓效果	保留 alpha ≥ C；丢弃 alpha < C	阈值决定哪些边缘像素会保留

例如，假设 alpha 值为示例数据 0, 1, 64, 127, 128, 254, 255。当 C = 128 时，输出变为 0, 0, 0, 0, 255, 255, 255。当 C = 255 时，只保留最后一个像素。当 C = 1 时，原先所有可见像素都会变为不透明。

先将 C = 128 作为对照点，再检查实际角色。这只是一个方便的中间值，并非公认的最佳设置。如果仍有不需要的淡色像素，请提高该值；如果有用的细节消失，请降低该值。每次对比都应回到原始帧。

如果提高阈值能去除边缘杂色，却也破坏了重要细节，那么单一的全局阈值无法同时满足这两个目标。请在局部修复该细节，或将其分离到单独的蒙版中，然后再处理其余轮廓。

GIMP 3 提供 图层 → 透明度 → 阈值 Alpha…。该功能作用于单个图层，需要图层具有 alpha 通道；启用 锁定 alpha 通道 时则不会生效。其阈值范围为 0 到 1：高于阈值的值会变为不透明，等于或低于阈值的值会变为透明。GIMP：阈值 Alpha

1. 打开帧的副本并选中角色图层。
2. 确认该图层具有 alpha 通道，并关闭 锁定 alpha 通道。
3. 打开 图层 → 透明度 → 阈值 Alpha…。
4. 预览阈值 0.5，进行中间值裁切；或预览 0，将所有非零 alpha 像素实化。
5. 应用操作前，检查细小细节和外部轮廓。
6. 将结果导出为单独的 PNG。

对于 8 位输入，阈值设为 254/255（约 0.996078）时，只会保留原本 alpha 为 255 的像素。请勿为此将阈值设为 1：根据文档中的严格比较规则，alpha 为 1 时也等于阈值，因此会变为透明。GIMP：阈值 Alpha

不要将临时检查背景导出到角色文件中。之后重新打开 PNG，这样既能检查导出的结果，也能检查可编辑文档。

处理多帧时，请使用固定的 alpha 映射，而不要逐张独立调整图像。以下完整的 Python 程序会直接处理一个文件夹中的 PNG 文件，保留文件名和尺寸，并将结果写入新文件夹。

使用 python -m pip install Pillow 安装 Pillow，然后将程序保存为 alpha_clean.py。输入应为彼此独立、静态的 8 位 RGBA PNG 帧。请先有意将调色板图像、高精度渲染或其他图像类型导出为该格式，再使用此工作流程。

该程序通过 getchannel 提取 alpha，通过 point 查找表映射 alpha，并通过 putalpha 仅替换 alpha。这些操作记载于 Pillow Image 模块参考文档。

import argparse
from pathlib import Path
from PIL import Image


def threshold_alpha(image, cutoff):
    result = image.copy()
    table = [255 if value >= cutoff else 0 for value in range(256)]
    result.putalpha(image.getchannel("A").point(table))
    return result


def partial_count(image):
    return sum(image.getchannel("A").histogram()[1:255])


def main():
    parser = argparse.ArgumentParser()
    parser.add_argument("source", type=Path)
    parser.add_argument("destination", type=Path)
    parser.add_argument("--cutoff", type=int, default=128)
    parser.add_argument("--demo", action="store_true")
    args = parser.parse_args()

    if not 1 <= args.cutoff <= 255:
        parser.error("--cutoff must be between 1 and 255")

    if args.demo:
        values = [0, 1, 64, 127, 128, 254, 255]
        sample = Image.new("RGBA", (len(values), 1))
        sample.putdata([(80, 160, 220, a) for a in values])
        result = threshold_alpha(sample, args.cutoff)
        print([result.getpixel((x, 0))[3] for x in range(len(values))])
        return

    if not args.source.is_dir():
        parser.error("Source must be an existing folder")
    if args.destination.exists():
        parser.error("Destination must be a new folder")

    files = sorted(
        p for p in args.source.iterdir()
        if p.is_file() and p.suffix.lower() == ".png"
    )
    if not files:
        parser.error("No PNG frames found directly inside source")

    args.destination.mkdir(parents=True)
    for path in files:
        with Image.open(path) as image:
            if image.format != "PNG" or image.mode != "RGBA":
                raise ValueError(f"{path.name}: expected RGBA PNG")
            if getattr(image, "n_frames", 1) != 1:
                raise ValueError(f"{path.name}: expected a single frame")
            before = partial_count(image)
            result = threshold_alpha(image, args.cutoff)
            target = args.destination / path.name
            result.save(target, format="PNG")

        with Image.open(target) as saved:
            after = partial_count(saved)
            if saved.size != result.size or after != 0:
                raise RuntimeError(f"{target.name}: verification failed")
        print(f"{path.name}: partial pixels {before} -> {after}")


if __name__ == "__main__":
    main()

先运行这个自包含示例。在演示模式下，程序会接受两个文件夹参数，但不会读取或创建其中任何一个文件夹：

python alpha_clean.py unused_input unused_output --demo --cutoff 128

程序会输出 [0, 0, 0, 0, 255, 255, 255]。使用 Pillow 13.0.0，通过内存中的示例检查了阈值为 1、128 和 255 时的映射、RGB 值保持不变的情况，以及 PNG 的保存和重新打开行为。

处理实际帧时，请将输入 PNG 放入名为 frames 的文件夹，然后运行：

python alpha_clean.py frames frames_clean --cutoff 128

使用 --cutoff 255 删除所有半透明像素，或使用 --cutoff 1 将所有可见像素实化。每次对比都请使用新的目标文件夹。

如果输入不受支持或验证失败，程序会停止。发生错误前已完成的文件仍会保留在目标位置；此时该文件夹中的处理结果不完整。请修正输入，并重新运行到另一个新文件夹。程序不会递归处理子文件夹，也不会保留动画时序，并非通用的元数据保留工具。

清理 alpha 会改变覆盖率。边缘颜色需要单独检查。Microsoft 区分直通 alpha（RGB 与 alpha 相互独立）和预乘 alpha（RGB 已乘以 alpha）。Microsoft Learn：预乘 alpha

以下是一个示例计算：直通红色 (200, 0, 0) 在 alpha 为 0.25 时，对应的预乘 RGB 为 (50, 0, 0)。如果这些预乘颜色值被错误地当作直通 RGB，而 alpha 只是被提高到 1，像素就会变成暗红色。这直接源于文档所述的转换关系。Microsoft Learn：预乘 alpha

Python 工作流程假定输入为编码正确、使用直通 alpha 的 RGBA PNG。它无法诊断编码错误的颜色，也无法还原预期的轮廓颜色。如果实化像素后出现边缘杂色，请先检查原始渲染或导出时对 alpha 的解释方式。如果颜色本身已受先前背景合成的污染，请重新获取干净的透明渲染，或重新绘制受影响的边缘。

在浅色和深色背景上对比清理后的帧。部分像素计数为零只能证明 alpha 为二值，不能证明边缘颜色适合该角色。

请在最终 alpha 清理前调整尺寸。插值重采样可能会在透明与不透明像素之间产生中间值。Pillow 将双线性重采样描述为通过插值计算像素值，而最近邻重采样会选取一个已有的输入像素。因此，对二值 alpha 通道进行最近邻缩放可以保留两个端点值。Pillow：概念—滤镜

如果预期效果需要离散像素网格，请使用最近邻。对于其他视觉风格，请先用所需滤镜缩放，再对生成的帧应用阈值，并重新检查轮廓。后续的缩放或合成步骤都应触发对最终输出的再次检查。

请对整个序列使用相同的阈值进行检查。某个细窄特征可能在相邻帧之间跨过阈值，从而出现闪烁，即使每一帧单独看来都可以接受。如果发生这种情况，请检查变化附近的原始帧，并在这些帧中统一修复该特征。

使用序列前，请检查以下具体条件：

• 所有预期帧均已包含，且文件名和画布尺寸与原始帧一致。
• 每个已保存帧中，alpha 为 1 到 254 的像素数量均为零。
• 在预期显示尺寸下，细小细节仍清晰可辨。
• 在浅色和深色背景预览中，都没有不需要的边缘杂色。
• 播放过程中，轮廓始终连贯一致。

选择能保留角色预期形状的 alpha 规则，始终如一地应用该规则，并检查导出的序列。将原始渲染与清理后的帧一同保留，以便之后调整时可以从完整的透明度信息开始。

• 7.40. 阈值 Alpha — GIMP 用户手册
• Image 模块 — Pillow 文档
• 概念 — Pillow 文档
• 预乘 alpha — Microsoft Learn