把一張符合基本要求的單人證件照交給它，人臉偵測、角度校正、換底色、裁尺寸、拼相紙連成一條線，全程都在本機跑完。

照相館拍證件照，後製流程幾乎是固定的。先把拍歪的人像擺正，接著把背景換成紅、藍或白，再按一寸或二寸裁好，最後在 5 寸、6 寸相紙上排成 3×3 或 2×2，加上裁切線送去沖印。單張做下來並不複雜，麻煩的是每天都要重複同一套動作。

LiYing 是開發者 aoguai 寫的自動化程式，把這整條線搬到本機上跑。它在 GitHub 上以 AGPL-3.0 授權開源，專案說明裡寫著，這個程式的起點是替父母的照相館分擔工作量。它處理的是證件照，因此輸入必須是符合一般要求的單人肖像照。

六個步驟串成一條產線

官方給出的流程分成六步：載入影像、智慧角度與校正、皮膚美化、背景替換、尺寸調整、自動排版。辨識環節由兩個模型合作完成，YOLOv8n-pose 負責定位人體，YuNet 負責找出臉部關鍵點，兩者一起判斷這張照片的構圖能不能用。角度校正就建立在這些關鍵點上：肩膀與眼睛的傾斜角度算出來之後，整張圖跟著轉正，不必盯著格線自己拉。

換什麼底色，交給人像分割模型

背景替換用的是 RMBG 系列的主體分割模型，1.4 與 2.0 兩個版本都在支援範圍內。分割出來的主體可以合成到任意 RGB 顏色上，紅底、藍底、白底以及證件上常見的深色底都寫在顏色設定裡，需要別的顏色直接填色版數值即可。它也能輸出帶透明通道的結果，後續若要放進別的影像軟體繼續加工，這一步就省下重新去背的功夫。

皮膚美化由 --skin-retouch 開關控制，預設柔膚 0.7、美白 0.8，兩個數值都能單獨調整。下方的對照圖左邊是原圖，右邊是預設數值處理後的樣子，臉上的高光與紋理都還在。

尺寸寫在設定檔裡

裁切尺寸沒有寫死在程式裡，而是放在 data 目錄下的 CSV 設定中，中文與英文各一份。常見規格大致都覆蓋了，一寸、二寸、小一寸、小二寸、護照、簽證都能直接選，不夠用時照著範本加一列就行。裁切不是單純把圖縮放，它還要確保人物在畫面裡的位置與比例符合規範，構圖則由臉的大小與頭頂留白兩個參數微調，前者決定頭像佔多大，後者決定臉往下壓多少。

拼滿一張相紙

排版這一步省下的手工很明顯。處理好的單張證件照會按指定行列排進相紙：一寸 3×3 排到 5 寸相紙，二寸 2×2 排到 5 寸相紙，一寸 4×2 排到 6 寸相紙，行列數也能自己定。照片之間的間距、整版在相紙上的位置同樣可調，位置一共九個錨點，從左上到右下，因此可以一次把兩種排法拼滿整張相紙，把邊緣的空白也用上。裁切線可以開關，印出來沿著線裁就好。

三種用法，都在本機

Windows 使用者可以拿整合包，裡面已經帶了嵌入式 Python 執行環境，圖形介面在本機位址上打開就能操作；命令列版本的參數覆蓋更細，適合接進自己寫的批次腳本；Docker 部署把連接埠對應、模型目錄掛載與顯示卡直通都寫進了編排檔，適合放在一台常開的機器上。整個處理過程不需要連網，顧客的照片不會離開這台電腦，這一點對每天經手上百張人像的門市來說很重要。顯示卡加速是選配，裝了 CUDA 與 cuDNN 之後程式會優先以顯示卡推論，沒有顯示卡也不會卡住，會自動退回處理器運算。

用之前要知道的事

模型檔不跟著程式走，需要另外取回並放進指定目錄，第一次設定繞不開。辨識與去背的效果也和照片本身有關，作者在說明資料裡寫得很直接：這個專案針對的是證件照處理，輸入應該是符合一般要求的單人肖像，拿複雜背景或多人合照去試，出現意外結果屬於正常。也有使用者回報個別照片處理時會出錯，換一組尺寸或底色的參數組合通常就能過關。

關於授權

AGPL-3.0 的要求比常見的寬鬆授權更進一步：如果修改後的版本被當成網路服務提供給他人使用，改動的部分同樣要以 AGPL 的方式開放原始碼。只是自己店裡拿來處理照片，並不受這條約束。

從辨識、校正、換底到裁切與拼版，LiYing 把照相館證件照後製裡的重複動作收進一次執行，處理全在本機完成。它不解決拍攝，也不做精修，只把其中固定不變的那一段接了過去。