Sprite Fusion 像素捕捉器

在线版本: https://spritefusion.com/pixel-snapper

一款将像素对齐到完美网格的工具。专为修复由 AI 生成的杂乱且不一致的像素艺术而设计。

为什么？

当前的 AI 图像模型无法理解基于网格的像素艺术。

• 像素的大小和位置不一致。
• 网格分辨率会随时间漂移。
• 颜色未绑定到严格的调色板。

使用 Pixel Snapper：

• ✅ 像素被精确地对齐到完美网格。
• ✅ 网格分辨率保持一致，并可按像素级缩放。
• ✅ 颜色被约束到严格、量化后的调色板。

适合以下场景

• AI 生成的像素艺术，需要对其网格对齐。
• 程序化 2D 艺术，如瓦片地图或等距地图，这些内容通常不符合网格规则。
• 2D 游戏资源和 3D 纹理，需要实现完美的可缩放性。

Pixel Snapper 尽可能保留细节，例如抖动效果。

Pixel Snapper 提供两种形式

需要在您的机器上安装 Rust。

💻 CLI

git clone https://github.com/Hugo-Dz/spritefusion-pixel-snapper.git
cd spritefusion-pixel-snapper

cargo run input.png output.png

该命令接受一个可选的 k-colors 参数：

cargo run input.png output.png 16

🌐 Web (WASM)

git clone https://github.com/Hugo-Dz/spritefusion-pixel-snapper.git
cd spritefusion-pixel-snapper

构建 WASM 模块：

wasm-pack build --target web --out-dir pkg --release

然后在您的项目中使用该 WASM 模块。

致谢

Pixel Snapper 是 Sprite Fusion 的一个项目。Sprite Fusion 是一款免费的基于 Web 的瓦片地图编辑器，专为游戏开发者设计，支持包括 Unity、Godot、Defold 和 GB Studio 在内的多种引擎。

许可证

MIT 许可证 Hugo Duprez

Sprite Fusion Pixel Snapper 快速上手指南

Sprite Fusion Pixel Snapper 是一款专为修复 AI 生成的像素艺术而设计的工具。它能将杂乱、不一致的像素点自动对齐到完美的网格上，统一分辨率并量化颜色调色板，非常适合处理 AI 生成的像素图、程序化 2D 素材或需要完美缩放的游戏资产。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows、macOS 或 Linux。
• 核心依赖：必须安装 Rust 编程语言环境。
  • 安装命令（推荐）：

    curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
    

  • 国内用户加速建议：如果下载缓慢，可配置国内镜像源：

    export RUSTUP_DIST_SERVER=https://mirrors.tuna.tsinghua.edu.cn/rustup
    export RUSTUP_UPDATE_ROOT=https://mirrors.tuna.tsinghua.edu.cn/rustup/rustup
    curl --proto '=https' --tlsv1.2 -sSf https://mirrors.tuna.tsinghua.edu.cn/rustup/rustup-init.sh | sh
    

• 可选依赖（仅 Web/WASM 版本）：如需构建 WebAssembly 模块，需安装 wasm-pack。

安装步骤

本工具主要通过命令行（CLI）使用，无需复杂安装，克隆仓库即可运行。

1. 克隆项目仓库：

   git clone https://github.com/Hugo-Dz/spritefusion-pixel-snapper.git
   cd spritefusion-pixel-snapper
   

2. 验证环境： 确保 cargo 命令可用（Rust 包管理器）：

   cargo --version
   

基本使用

1. 基础用法（命令行 CLI）

这是最常用的方式，直接将输入图片处理后保存为输出图片。

• 命令格式：

  cargo run input.png output.png
  

  • input.png：替换为您需要处理的原始图片路径。
  • output.png：替换为您希望保存的处理后图片路径。

• 示例： 将当前目录下的 ai_art.png 修复并保存为 fixed_art.png：

  cargo run ai_art.png fixed_art.png
  

2. 指定颜色数量（可选）

如果您需要严格控制输出图片的颜色数量（量化调色板），可以在命令末尾添加颜色数值参数。

• 命令格式：

  cargo run input.png output.png <k-colors>
  

• 示例： 将图片修复并对齐网格，同时限制调色板为 16 种颜色：

  cargo run ai_art.png fixed_art.png 16
  

3. Web (WASM) 集成（进阶）

如果您希望在网页项目中集成此功能，需先构建 WASM 模块：

wasm-pack build --target web --out-dir pkg --release

构建完成后，可在前端项目中引用 pkg 目录下的模块进行调用。