百智云图像理解：功能篇——五种图片格式与20MB上限覆盖了哪些场景

工作里遇到的图片千奇百怪，但真正需要机器去读的，往往是几种最常见的格式。百智云图像理解服务的上传入口写得很直白：支持 JPG、PNG、WebP、GIF、BMP 五种格式，单张不超过 20MB。这两条规则看起来简单，实际上已经把绝大多数日常图片任务覆盖在内了。

五种格式覆盖了什么

JPG 和 PNG 是最普遍的照片与截图格式，几乎所有设备导出的图片都以它们为主。WebP 近年在网页和聊天工具里大量出现，尤其在浏览器截图和移动端图片压缩场景，很多图片下载下来就是 WebP 后缀。GIF 除了动图，也常被用来保存简单的界面录制或表情素材，其中静态帧同样可以被理解。BMP 虽然体积大、日常少见，但在部分工业软件和旧系统中仍是默认格式，设计上保留它，是为了不让格式问题成为识别的门槛。

对使用的人来说，这些格式意味着「不用先转换再上传」。截图工具存出来的 PNG、相机导出的 JPG、网页右键保存的 WebP，都可以直接进入识别流程，省掉一道格式转换工序。

20MB 上限意味着什么

20MB 对图片来说是一个相当宽松的限制。一张 2400 万像素的相机原片通常在 10MB 上下，高分辨率的设计稿导出图、长篇 PDF 转出的长图、带大量文字的截图，也都很难超过这个值。换句话说，日常照片、截图、扫描件、设计稿基本都能直接上传，只有极少数超大尺寸的全景图或高精度印刷图才需要先压缩。

20MB 的限制还提示了一件事：图像理解更看重「看得清」，而不是「看得大」。一张 800 万像素、文字清晰的截图，识别的效果往往好于一张 5000 万像素但内容杂乱的照片。上传前如果发现文件较大，简单压缩分辨率往往无损识别质量，还更快。

上传过程本身是自动的

页面上的交互是「拖拽或点击上传」：选择图片后会自动上传，上传完成后再点击「开始识别」。这个设计把「上传」与「识别」拆成两步，用户能确认图片确实传完再发起识别，避免在图片未就绪时误点。

需要注意一点：每次识别消耗 10 积分，上传本身不产生额外消耗。因此可以先上传多张待用，再逐张发起识别，把积分花在真正需要理解的那几次上。

小结

五种格式加上 20MB 上限，勾勒出图像理解服务的目标场景：面向常见格式、常见尺寸的图片，尽量不做前置转换。把照片、截图、设计稿、扫描件直接交给它，是这套能力最舒服的用法。下一篇聊聊按次计费与用量日志，看看成本是怎么被管起来的。