免费开源工具 LayerDivider把一张图片转成PSD分层文件拆分图层一步到位【免费下载链接】layerdividerA tool to divide a single illustration into a layered structure.项目地址: https://gitcode.com/gh_mirrors/la/layerdivider概要LayerDivider 是一款免费开源工具能够把单张成品图片自动转换成结构清晰、可直接编辑的 PSD 分层文件全程离线运行、无需注册、不产生任何费用。本文将从真实工作场景切入拆解它的两套拆分思路并完整演示从安装到下载 PSD 的上手流程与调参技巧帮助你快速掌握图片转PSD分层的正确姿势。当拆图层从偶发需求变成固定订单半年前我们动画小组接到一个外包批次甲方送来 20 张已经定稿的角色插画要求按部件拆成独立图层方便后续制作逐帧动效、局部换色和 Live2D 绑定。按流程估算一位熟练美术拆一张图大约需要三四个小时20 张图就是整整一周的人力。当时的选项无非两个要么让组员们加班对着数位板一点点描边要么购买价格不菲的商用插件。前者消耗人后者消耗预算。而最终让这个项目顺利交付的是组里一位同事无意中提到的开源项目——LayerDivider。它只做一件事把一张完整图片自动拆成一叠可编辑的 PSD 图层。对比维度纯手工拆层使用 LayerDivider单张耗时数小时数秒到数分钟操作强度全程人工描边上传图片、点击生成结果一致性依赖个人熟练度图层命名与结构统一成本人力成本不可控免费、开源LayerDivider 是什么专注于拆图这一件事的开源工具LayerDivider 的定位非常聚焦官方描述只有一句话把单张插画拆解为分层结构。它接收一张图片作为输入输出一份可以直接拖进 Photoshop 继续编辑的 PSD 文件每个色块、每个独立物体各占一个图层命名规则统一修改起来毫不费力。更值得点赞的是它的离线属性模型和依赖安装完成之后整个流程不需要联网、不需要注册账号、不需要订阅付费。对图片素材敏感、或长期在无外网环境里工作的设计师来说这一点相当实用。它背后的核心依赖是 OpenCV、scikit-learn、Gradio 和 pytoshop 这套组合分别负责图像处理、聚类计算、界面搭建和 PSD 文件生成。下面这张是项目自带的样例输入图一张白底、包含四个纯色几何元素的插画非常适合用来演示分层效果两套拆图思路分别对付两类图片按颜色分还是按物体分是使用 LayerDivider 时需要做的第一个选择。这两个选项对应的是完全不同的拆解逻辑理解之后很容易选对。思路一按颜色聚类插画与 UI 的首选这条路线走的是色谱整理的路径。程序会先把图片里每个像素的 RGB 颜色登记在册再用聚类算法把颜色相近的像素归入同一个组随后借助专业的 CIEDE2000 色彩差异公式判断两个颜色算不算同一种颜色把过于接近的分组合并起来。合并之后还有两道精细处理一是对图像做平滑处理让色块的边缘不至于生硬二是用每个区域的平均色重新填涂整个色块保证输出结果干净利落。这条路线非常适合扁平插画、UI 界面、图标以及色块边界清晰的画面。思路二按物体分割照片与多物体场景的解法如果画面里有好几个彼此独立的物体——比如一桌子商品、一张角色立绘单纯按颜色拆会显得力不从心。这时候 LayerDivider 会调用知名分割模型 Segment Anything简称 SAM先把画面中一个个独立物体圈出来再围绕每个物体单独生成图层。这条路线相当于让模型先完成视觉识别再进行图层拆分对照片、立绘这类没有清晰色块边界的素材尤其有效。选择场景推荐路线背后的技术扁平插画、UI、图标按颜色拆聚类算法 CIEDE2000照片、立绘、商品图按物体拆Segment Anything 分割模型普通模式还是复合模式编辑自由度差了一截除了拆分方式还有一个容易忽略的输出选项图层模式。默认的普通模式normal只生成基础图层每一层就是拆分出来的色块或物体结构简单直接。而复合模式composite会额外生成高光层、阴影层等效果图层并搭配屏幕、正片叠底、减淡、线性减淡等混合模式输出。这样的 PSD 打开后拥有更高的编辑自由度——想单独调亮某个区域、加深某个阴影直接修改对应效果层即可而不是在原图上粗暴重画。对追求精细调整的用户来说这个模式值得一试。亲测实操图片分层工具从安装到出图的完整流程纸上谈兵没有意义我直接用项目自带的样例图跑了一遍完整流程整个过程可以概括为四步。第一步安装运行环境。Windows 用户只需要在项目根目录执行一次install.ps1使用 Python Launcher 的环境则改用install_with_launcher.ps1脚本会自动完成 Python 虚拟环境创建和全部依赖安装无需手动逐个配置。第二步启动图形界面。安装完成后运行run_gui.ps1脚本会自动拉起浏览器访问localhost:7860即可看到操作面板。第三步上传图片并选择模式。在面板中上传输入图片根据图片类型选择按颜色拆还是按物体拆图层模式保持默认也能获得不错的结果。第四步点击生成并下载 PSD。点击 Create PSD 按钮等待处理完成后下载输出的 PSD 文件直接用 Photoshop 打开就能继续编辑。下图就是实测输出的分层结果原图中的红色方块、蓝色方块、黄色三角形、绿色椭圆被一一拆开并标注了对应的图层名Red、Blue、Green、Yellow 一眼就能对上号如果你不想在本地折腾环境项目还附带了一个layerdivider_launch.ipynb笔记本在 Colab 这类在线环境里依次执行所有单元格同样能得到一个可用的界面上传图片后即可开始分层。分层效果不满意记住这四个参数旋钮就够了默认参数覆盖大部分场景但遇到分层结果不理想的情况可以按下面的故障排查逻辑去调图层分得太粗、合得太狠调大初始聚类数量init_cluster程序会生成更多分组图层切得更细颜色太杂、图层数量爆炸调高色彩合并阈值ciede_threshold相近颜色会被更积极地合并色块边缘过于生硬加大平滑强度blur_size边缘过渡会更柔和小物件没被拆出来降低最小区域阈值让体积较小的元素也能被识别并独立成层。这几个参数在界面上都以滑块的形式呈现操作直觉调整即见效。想在脚本里直接调用核心函数只有一个如果你不满足于界面操作LayerDivider 也提供了简洁的代码接口。核心处理函数是get_base传入图片路径和几个数字参数即可完成分层from ldivider.ld_processor import get_base df get_base(input_image, loops2, cls_num15, threshold8, size5)其中loops对应迭代次数、cls_num对应初始聚类数量、threshold对应色彩合并阈值、size对应平滑强度与界面上的滑块一一对应理解成本非常低。拿到返回结果后再结合保存函数就能直接输出 PSD 文件。安装与首次运行这些注意事项能帮你少踩坑本地安装的基础要求是 Python 3.10 及以上版本和 Git这两样装好即可依赖由安装脚本自动处理OpenCV、scikit-learn、Gradio、pytoshop 等无需手动安装如果选择按物体分割的路线需要下载 Segment Anything 的预训练权重文件体积较大首次运行时会自动下载请预留时间与磁盘空间耐心等待建议新手先用简单、纯色、轮廓清晰的图片跑通流程再逐步挑战复杂插画和照片。谁适合使用什么场景不要过度期待图片转PSD分层这套能力几乎覆盖了所有和图层打交道的职业插画师可以用它把成品插画拆回可编辑图层改配色、调局部毫不费力游戏美术处理角色、道具、场景素材时能省掉大量重复抠图时间UI 设计师做界面组件、图标的批量拆分时效率倍增电商与运营把产品图按元素拆解后制作活动素材的自由度也大大提高。不过需要说明的是LayerDivider 并不是万能的。面对背景复杂的照片、大面积渐变过渡的画面它不一定能一次到位输出结果可能需要人工微调。但换个角度看它把从零开始拆一张图的工作量压缩到了在默认结果上做修正的级别这个差距已经足够改写工作节奏。写在最后开源工具的意义在于可被改进LayerDivider 最打动我的地方不是它开箱即用的便利而是它是完全开源的。如果你懂一点 Python可以按照自己的需求调整算法逻辑比如优化聚类规则、定制图层命名、适配特定素材类型遇到 bug 或想要新功能也可以直接向项目提交 issue 或 Pull Request。工具好不好用是一回事能不能被社区持续打磨是另一回事。想要体验的话把它克隆到本地拿一张最普通的图片开始吧git clone https://gitcode.com/gh_mirrors/la/layerdivider让拆图这件苦差事从一次耗时数小时的手工劳动变成几秒钟的自动化流程——这种转变值得每一个常与图层打交道的人亲自试一试。【免费下载链接】layerdividerA tool to divide a single illustration into a layered structure.项目地址: https://gitcode.com/gh_mirrors/la/layerdivider创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考