画像素材を3D生成用にまとめて前処理するPythonスクリプト

画像から3Dモデルを生成する作業では、入力画像の準備が意外と面倒です。背景を白にする、正方形にそろえる、ファイル名を整理する、処理前後を比較できるようにする。数枚なら手作業でもよいですが、素材が増えるとすぐに混乱します。

この記事では、複数の画像素材を3D生成用にまとめて前処理する簡単なPythonスクリプトを作ります。

やりたいこと

• inputディレクトリ内の画像をまとめて読み込む

• 透明背景があれば白背景に合成する

• 正方形キャンバスに中央配置する

• 長辺サイズをそろえる

• 処理結果をmanifest.csvに出力する

処理した画像は、Hi3D のような画像入力型の 3Dモデル生成AI に渡す前の素材として使う想定です。

ディレクトリ構成

project/
  input/
    chair.png
    robot.png
    lamp.webp
  output/
  preprocess_images.py

必要なライブラリ

pip install pillow

スクリプト

from pathlib import Path
import csv
from PIL import Image

INPUT_DIR = Path("input")
OUTPUT_DIR = Path("output")
OUTPUT_DIR.mkdir(exist_ok=True)

TARGET_SIZE = 1024
PADDING_RATIO = 0.12
EXTENSIONS = {".png", ".jpg", ".jpeg", ".webp"}


def open_as_rgba(path: Path) -> Image.Image:
    return Image.open(path).convert("RGBA")


def composite_on_white(img: Image.Image) -> Image.Image:
    bg = Image.new("RGBA", img.size, (255, 255, 255, 255))
    bg.alpha_composite(img)
    return bg.convert("RGB")


def fit_to_square(img: Image.Image, target_size: int) -> Image.Image:
    # 元画像の縦横比を保ったまま、余白付きで正方形に配置する
    max_content = int(target_size * (1 - PADDING_RATIO * 2))
    w, h = img.size
    scale = min(max_content / w, max_content / h)
    new_size = (int(w * scale), int(h * scale))

    resized = img.resize(new_size, Image.Resampling.LANCZOS)
    canvas = Image.new("RGB", (target_size, target_size), (255, 255, 255))
    x = (target_size - new_size[0]) // 2
    y = (target_size - new_size[1]) // 2
    canvas.paste(resized, (x, y))
    return canvas


def process_one(path: Path) -> dict:
    original = open_as_rgba(path)
    white = composite_on_white(original)
    prepared = fit_to_square(white, TARGET_SIZE)

    out_name = f"{path.stem}_prepared.jpg"
    out_path = OUTPUT_DIR / out_name
    prepared.save(out_path, quality=95)

    return {
        "source": path.name,
        "output": out_name,
        "source_width": original.width,
        "source_height": original.height,
        "output_width": prepared.width,
        "output_height": prepared.height,
    }


def main():
    rows = []
    for path in sorted(INPUT_DIR.iterdir()):
        if path.suffix.lower() not in EXTENSIONS:
            continue
        rows.append(process_one(path))

    manifest_path = OUTPUT_DIR / "manifest.csv"
    with manifest_path.open("w", newline="", encoding="utf-8-sig") as f:
        writer = csv.DictWriter(
            f,
            fieldnames=[
                "source",
                "output",
                "source_width",
                "source_height",
                "output_width",
                "output_height",
            ],
        )
        writer.writeheader()
        writer.writerows(rows)

    print(f"processed: {len(rows)}")
    print(f"manifest: {manifest_path}")


if __name__ == "__main__":
    main()

出力例

processed: 3
manifest: output/manifest.csv

outputディレクトリには、白背景・正方形・1024pxにそろえた画像が保存されます。manifest.csvには、元画像と出力画像の対応関係が残ります。

なぜ正方形にするのか

必ず正方形でなければいけないわけではありません。ただ、複数素材を比較する時に、画像サイズや余白がそろっていると見やすくなります。ツールに投入する前の素材管理もしやすくなります。

特に小物やキャラクターの場合、上下左右に少し余白を入れておくと、輪郭が切れにくくなります。

Hi3Dに投入する前に見るところ

• 被写体が中央に配置されているか

• 足元や細いパーツが切れていないか

• 背景に余計な影や文字が残っていないか

• 同じ素材の処理前後をmanifestで追えるか

まとめ

3D生成の前処理は、派手な処理ではありません。しかし、素材が増えるほど効いてきます。入力画像をそろえ、出力との対応関係を残しておくと、生成結果の比較や再試行がかなり楽になります。

最終的な3Dモデルの品質だけでなく、その手前の素材管理もワークフローに入れておくと、Image-to-3Dを継続的に使いやすくなります。