OpenParable
Skip to content
← Back to skills

Image Shape Filter

Documents
image_shape_filter

Image Shape Filter is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

图像形状过滤器。过滤器保持样品的图像形状 (w，h) 在特定范围内。 本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到图像尺寸过滤、图片宽高筛选、图像分辨率过滤、按图片大小过滤、图像形状限制等需求时使用此skill。

View on GitHub ↗
QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

  1. Open your project in Codex.
  2. Copy and paste the prompt below.
  3. Review files and risks before approving any action.
Prompt to paste
Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/image_shape_filter/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/image-shape-filter, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

功能概述

该算子用于过滤图像尺寸（宽度和高度）在指定范围内的样本。支持多种过滤策略：

  • any: 任意一张图像符合条件即保留
  • all: 所有图像都符合条件才保留

核心参数

参数类型必填默认值说明
input_pathstring是-输入数据文件路径 (JSON/JSONL格式)
output_pathstring是-输出数据文件路径 (JSONL格式)
min_widthint否1最小图像宽度
max_widthint否2147483647最大图像宽度
min_heightint否1最小图像高度
max_heightint否2147483647最大图像高度
any_or_allstring否'any'过滤策略：'any' 或 'all'
num_procint否1并行处理的进程数

输入数据格式

输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 images 字段：

{"images": ["/path/to/image1.jpg", "/path/to/image2.jpg"]}

输出数据格式

输出为 JSONL 格式，每行一个符合条件的样本。

使用示例

命令行调用

python scripts/run_image_shape_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl \
  --min_width 400 \
  --min_height 400 \
  --any_or_all any

参数说明

  • --input_path: 输入文件路径
  • --output_path: 输出文件路径
  • --min_width: 最小图像宽度（默认1）
  • --max_width: 最大图像宽度（默认无限）
  • --min_height: 最小图像高度（默认1）
  • --max_height: 最大图像高度（默认无限）
  • --any_or_all: 过滤策略，默认any
  • --num_proc: 并行进程数，默认1

注意事项

  1. 输入文件中的图像路径应为有效且可访问的文件路径
  2. 该算子使用 PIL/Pillow 读取图像尺寸，无需加载模型
  3. 处理大量数据时可适当增加 num_proc 提高效率