VisionCull Pro 是一个专门帮摄影师“初筛废片”的本地AI选片工具。
凡是拍过活动跟拍、婚礼纪实或者批量人像约拍的朋友都懂：拍摄时快门按得很轻松，回到电脑前选片才是真正耗时间的一步。一次拍摄下来几百甚至上千张照片，最耗时间的不是后期调色，而是要一张张放大检查有没有跑焦、手抖模糊，或者人物是否刚好眨眼。
它是一个开源的桌面辅助工具，最大特点是“本地运行”，利用视觉算法辅助识别并筛出失焦、模糊和闭眼的照片。它支持生成 Lightroom 可识别的 XMP 标记，方便接入现有修图流程。目前它更像是一个面向极客摄影师的效率脚本，需要一定的动手能力才能部署。
本地AI选片工具 VisionCull Pro 解决的是初筛问题
很多摄影师搜这类工具，本质上是为了给后期“减负”。VisionCull Pro 并不是要代替你做最终的美感判断，而是充当一道“安检门”。
它通过扫描你指定的文件夹，把那些“硬伤”照片（如跑焦、严重模糊）找出来。合格的照片会被自动复制到一个带时间戳的新目录里，而你的原始图库完全不动。这种非破坏性的操作逻辑，对于商业摄影师来说非常稳妥，至少不用担心机器误删了重要的素材。
VisionCull Pro 的两条核心检测路径
VisionCull Pro 的本地分析逻辑主要依赖 OpenCV 和 MediaPipe。前者负责图像清晰度计算，后者负责人脸关键点识别。
- 清晰度检测： 工具会使用 Laplacian 方差算法评估画面清晰度。检测到人脸时，它会优先分析人脸区域的清晰度；如果没有检测到人脸，则回退到全图清晰度检测，用于风景、静物或其他非人像照片的初筛。
- 人像闭眼识别： 在检测到人脸后，工具会基于 MediaPipe Face Mesh 获取眼部关键点，并通过 Eye Aspect Ratio 判断是否存在闭眼情况。这个逻辑更适合人像连拍、集体合照等容易出现闭眼废片的场景。
文件格式支持 JPG/JPEG 以及 CR2、CR3、NEF、ARW、RAF、DNG 等 RAW 扩展名。需要注意的是，RAW 文件会先尝试通过 ExifTool 提取预览图再参与分析，不同相机品牌和 RAW 文件结构可能影响实际效果，建议在正式处理前先用备份目录小规模测试。
项目目前处于非常早期阶段，启动命令
node server.js 可能会报错，因为仓库中并没有该文件。根据 package.json 实际配置，从 package.json 看，实际启动入口更接近基于 Electron 的 electron .。建议有一定命令行基础的用户参考源码中的脚本说明进行操作。适合谁用，以及不可忽视的隐私边界
在本地分析路径下，VisionCull Pro 更适合那些需要谨慎处理客户照片、商业原片或未公开素材的摄影从业者。但在使用中有一个细节需要注意：代码中保留了一个可选的“外部 AI Vision API”路径。如果你在设置中自行启用了它，照片会被转为 base64 发送到外部接口。对于客户未公开素材或商业拍摄原片，建议优先使用本地分析路径，并在启用任何外部 API 前确认数据处理方式。
这工具适合你吗？
- 适合： 每次出片量大（如婚礼、活动）、熟悉 Node.js/Python 环境、注重数据隐私的摄影师。
- 不适合： 追求开箱即用、没有命令行基础的用户，或者需要靠氛围、构图等艺术感选片的场景。
使用前需要确认的几个问题
1、它会误判吗？
会。AI 只能识别“清晰度”和“睁眼状态”，无法识别“情绪”。它可能会把一些艺术化的动态模糊、特写焦外误判为废片，所以它只适合做第一道粗筛，最终选片仍需人工复核。
2、商用前需要确认许可状态吗？
虽然 项目标注为 MIT 协议，如果你准备将其用于企业级或商业化流程，建议先关注项目仓库的后续更新，确认法律边界。
一个思路很实用的本地 AI 辅助选片工具，适合帮摄影师减少一部分机械初筛工作；但目前仍处于早期阶段，部署和使用都有一定门槛，更适合愿意折腾开源工具的用户。
