---

背景介绍

在人工智能快速发展的今天，图像描述生成（Image Captioning）已经成为一个非常实用的 AI 技能。它不仅可以用于图像内容理解，还可以辅助图像标注、图像搜索优化等场景。对于开发者而言，掌握如何在本地部署 AI 模型并调用其 API 是一项非常有价值的技能。

本文将指导你开发一个基于本地文件的简易 AI 图像描述生成器。该程序能够读取用户指定的图片文件，调用本地运行的 Stable Diffusion WebUI 的 API 接口，生成该图片的自然语言描述。整个项目使用 Python 编写，仅需安装 Stable Diffusion WebUI 和 Python 环境，即可独立运行。

---

思路分析

1. 图像读取与处理：程序需要从本地读取图片文件（如 example.jpg），并将其转换为适合 API 传输的格式。
2. 调用本地 API：Stable Diffusion WebUI 提供了一个 RESTful API，我们可以使用 Python 的 requests 库发送 HTTP 请求，调用其图像描述生成功能。
3. 文本处理与输出：接收 API 返回的描述文本后，进行简单的格式处理，并输出给用户。

---

代码实现（Python）

1. 环境准备

• 安装 Stable Diffusion WebUI
• 启动 WebUI 后，确保图像描述生成功能已启用（通常在 extensions 中配置）
• 安装 Python 依赖：
  bash
pip install requests pillow

2. 示例代码

import os
import requests
from PIL import Image
import io
import base64

# 配置 Stable Diffusion WebUI 的 API 地址
API_URL = "http://127.0.0.1:7860/sdapi/v1/interrogate"

# 读取本地图片文件
def load_image(image_path):
    if not os.path.exists(image_path):
        raise FileNotFoundError(f"图片文件 {image_path} 不存在。")

    image = Image.open(image_path).convert("RGB")
    buffered = io.BytesIO()
    image.save(buffered, format="JPEG")
    img_str = base64.b64encode(buffered.getvalue()).decode("utf-8")
    return img_str

# 调用 Stable Diffusion WebUI 的图像描述 API
def generate_caption(image_base64):
    payload = {
        "image": image_base64,
        "model": "clip"  # 使用 CLIP 模型进行图像描述
    }
    headers = {
        "Content-Type": "application/json"
    }
    response = requests.post(API_URL, json=payload, headers=headers)

    if response.status_code == 200:
        return response.json()["caption"]
    else:
        raise Exception(f"API 调用失败，状态码 {response.status_code}，错误信息：{response.text}")

# 主函数
def main():
    image_path = "example.jpg"  # 用户提供的图片路径
    try:
        image_base64 = load_image(image_path)
        caption = generate_caption(image_base64)
        print("图像描述：", caption)
    except Exception as e:
        print("发生错误：", e)

if __name__ == "__main__":
    main()

3. 示例输出

假设 example.jpg 是一张狗在草地上奔跑的图片，运行程序后输出如下：

图像描述： An image of a golden retriever running freely on a green lawn under a clear sky, with a natural and dynamic motion blur effect.

---

总结

通过本项目，我们学习了如何开发一个基于本地 Stable Diffusion 的图像描述生成器。该项目结合了图像处理、API 调用与文本输出，适合中级以下开发者进行实践。

项目亮点

• 本地部署：无需依赖外部云服务，适合隐私敏感或网络受限的场景。
• 技术点覆盖：图像读取、Base64 编码、HTTP 请求、API 调用、结果解析。
• 可扩展性强：可进一步集成 GUI、批量处理、多语言支持等功能。

拓展建议

• 将该程序封装为命令行工具，接受用户输入参数。
• 添加 GUI 界面，让用户更方便地上传图片和查看结果。
• 支持多张图片批量处理，提高效率。
• 集成 Markdown 或 JSON 格式输出，便于内容整理与存储。

---

通过这个项目，你可以快速掌握 AI 图像描述生成的基本原理与实现方式，为今后开发更复杂的 AI 应用打下坚实基础。