用 Python 给照片打分：自动挑一张最适合做竖屏 AI 跳舞视频的照片

最近 TikTok 上流行的 angry dance（愤怒舞蹈）这类“单图生成跳舞视频”，效果好坏很大程度取决于输入照片：清不清楚、亮不亮、能不能裁成 9:16。手机相册里一堆候选照片时，一张张肉眼挑很费时间。本文写一个不到 40 行的 Python 脚本，用 Pillow + NumPy 给照片打分并排序。脚本不依赖 OpenCV，也不做人脸识别。

一、打分规则

四个维度都是经验规则：

分辨率：长边 1500 像素以上记满分；
亮度：灰度均值越接近 140（中等偏亮）越好；
清晰度：用 4 邻域拉普拉斯算子的方差衡量，边缘越锐利方差越大；
竖构图适配：竖图直接满分，横图裁成 9:16 损失更多，按 (h/w)² 递减。

二、代码

#!/usr/bin/env python3
"""给一组候选照片打分，挑出最适合做竖屏 AI 跳舞视频（如 angry dance）的一张。
评分只是经验规则：分辨率、亮度、清晰度、竖构图适配度。不做人脸识别。"""
import sys, glob
import numpy as np
from PIL import Image, ImageOps

def sharpness(g):
    g = g.astype(np.float32)
    lap = -4*g[1:-1,1:-1] + g[:-2,1:-1] + g[2:,1:-1] + g[1:-1,:-2] + g[1:-1,2:]
    return float(lap.var())

def score(path):
    im = ImageOps.exif_transpose(Image.open(path)).convert("L")
    w, h = im.size
    g = np.asarray(im.resize((min(w, 1200), int(h * min(w, 1200) / w))))
    s_res   = min(max(w, h) / 1500, 1.0)                 # 长边 1500px 以上记满分
    s_light = 1 - min(abs(g.mean() - 140) / 140, 1.0)    # 越接近中等亮度越好
    s_sharp = min(sharpness(g) / 150, 1.0)               # 拉普拉斯方差
    s_fit   = 1.0 if h >= w else (h / w) ** 2             # 横图裁成 9:16 会损失更多
    total = 0.25*s_res + 0.25*s_light + 0.3*s_sharp + 0.2*s_fit
    return total, (w, h, s_res, s_light, s_sharp, s_fit)

if __name__ == "__main__":
    files = sys.argv[1:] or sorted(glob.glob("*.jpg"))
    rows = sorted(((score(f), f) for f in files), reverse=True)
    print(f"{'file':<24}{'size':>11}{'res':>6}{'light':>7}{'sharp':>7}{'fit':>6}{'total':>7}")
    for (t, (w, h, a, b, c, d)), f in rows:
        print(f"{f:<24}{f'{w}x{h}':>11}{a:>6.2f}{b:>7.2f}{c:>7.2f}{d:>6.2f}{t:>7.2f}")
    print(f"推荐: {rows[0][1]}  (注意: 分数不判断是否只有一个人、是否获得本人同意)")

两个细节：ImageOps.exif_transpose 先按 EXIF 方向把照片转正，否则手机竖拍的照片可能被当成横图；计算清晰度前先把图缩到宽 1200，这样不同分辨率的照片之间可比。