news 2026/9/3 3:32:50

海报配色自动推荐器,输入海报主题,如促销/文艺/科技,自动生成三套高适配色方案,,标注色号,解决新手设计师配色难的问题。

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
海报配色自动推荐器,输入海报主题,如促销/文艺/科技,自动生成三套高适配色方案,,标注色号,解决新手设计师配色难的问题。

我帮你写了一个海报配色自动推荐器,用Python实现主题驱动的配色方案生成,支持促销/文艺/科技三大主题各三套方案,模块化设计注释清晰,附README、使用说明和核心知识点卡片,直接可用。

海报配色自动推荐器

一、Python代码实现

import argparse

from typing import Dict, List, Tuple

def load_color_config() -> Dict[str, List[Dict[str, List[str]]]]:

"""

加载海报主题-配色方案配置字典

返回:键为主题(促销/文艺/科技),值为该主题下的3套配色方案,

每套方案含"主色""辅助色""点缀色"三组色号(十六进制)

"""

return {

"促销": [

{"主色": ["#E63946"], "辅助色": ["#F1FAEE", "#A8DADC"], "点缀色": ["#457B9D"]}, # 活力红+清爽绿

{"主色": ["#FF9F1C"], "辅助色": ["#FFFFFF", "#E9C46A"], "点缀色": ["#2A9D8F"]}, # 温暖橙+大地色

{"主色": ["#FFD166"], "辅助色": ["#06D6A0", "#118AB2"], "点缀色": ["#EF476F"]} # 明黄+对比撞色

],

"文艺": [

{"主色": ["#CCD5AE"], "辅助色": ["#E9EDC9", "#FEFAE0"], "点缀色": ["#D4A373"]}, # 莫兰迪绿+陶土棕

{"主色": ["#BCBD8B"], "辅助色": ["#E0C097", "#F8F4e3"], "点缀色": ["#A98467"]}, # 低饱和黄+米白

{"主色": ["#DDA15E"], "辅助色": ["#FEFAE0", "#606C38"], "点缀色": ["#283618"]} # 复古棕+深绿

],

"科技": [

{"主色": ["#0077B6"], "辅助色": ["#00B4D8", "#90E0EF"], "点缀色": ["#CAF0F8"]}, # 深海蓝+冰蓝渐变

{"主色": ["#5E60CE"], "辅助色": ["#5390D9", "#4EA8DE"], "点缀色": ["#80FFDB"]}, # 科技紫+霓虹青

{"主色": ["#2A9D8F"], "辅助色": ["#8AC926", "#1982C4"], "点缀色": ["#FFCA3A"]} # 青柠+对比黄

]

}

def parse_input(raw_theme: str) -> str:

"""标准化用户输入:去空格+首字母大写"""

return raw_theme.strip().capitalize()

def validate_theme(theme: str, config: dict) -> Tuple[bool, str]:

"""校验主题是否有效,返回(是否合法, 错误提示)"""

valid_themes = list(config.keys())

if theme not in valid_themes:

return False, f"主题仅支持:{valid_themes},请重新输入"

return True, ""

def generate_schemes(theme: str, config: dict) -> List[dict]:

"""根据主题返回预设的3套配色方案"""

return config.get(theme, [])

def format_output(schemes: List[dict]) -> str:

"""格式化输出配色方案,标注色号用途"""

output = []

for i, scheme in enumerate(schemes, 1):

output.append(f"\n🎨 方案{i}:")

for role, colors in scheme.items():

output.append(f" {role}:{' '.join(colors)}")

return "\n".join(output)

def main():

"""程序入口:解析参数→校验主题→生成并输出配色方案"""

parser = argparse.ArgumentParser(description="海报配色自动推荐器(输入主题→生成3套高适配色方案)")

parser.add_argument("--theme", required=True, help="海报主题(促销/文艺/科技)")

args = parser.parse_args()

# 加载配置与处理输入

color_config = load_color_config()

theme = parse_input(args.theme)

# 校验主题有效性

is_valid, err_msg = validate_theme(theme, color_config)

if not is_valid:

print(f"❌ 输入错误:{err_msg}")

return

# 生成并输出方案

schemes = generate_schemes(theme, color_config)

print(f"\n✨ '{theme}'主题配色方案(共3套):")

print(format_output(schemes))

if __name__ == "__main__":

main()

二、README文件内容

# 海报配色自动推荐器

## 简介

本工具针对**促销/文艺/科技**三大海报主题,自动生成**3套高适配配色方案**,每套含主色、辅助色、点缀色及十六进制色号,解决新手设计师配色难题。基于Python开发,模块化设计,命令行一键调用。

## 安装要求

- Python 3.8+(无需额外依赖库)

## 使用方法

### 1. 命令行模式(推荐)

传入主题参数运行:

bash

python color_recommender.py --theme 促销

### 2. 参数说明

- `--theme`:必填,可选值【促销/文艺/科技】(不区分大小写,自动标准化)

## 示例输出

输入:`--theme 科技`

输出:

✨ '科技'主题配色方案(共3套):

🎨 方案1:

主色:#0077B6

辅助色:#00B4D8 #90E0EF

点缀色:#CAF0F8

🎨 方案2:

主色:#5E60CE

辅助色:#5390D9 #4EA8DE

点缀色:#80FFDB

🎨 方案3:

主色:#2A9D8F

辅助色:#8AC926 #1982C4

点缀色:#FFCA3A

## 扩展说明

添加新主题只需修改`load_color_config()`函数,例如新增"环保"主题:

python

"环保": [

{"主色": ["#2A9D8F"], "辅助色": ["#E9F5DB", "#C6DABF"], "点缀色": ["#588157"]},

# 更多方案...

]

## 注意事项

- 色号为十六进制格式(如#E63946),可直接用于PS/Figma等设计软件

- 输入主题不区分大小写(如"促销""促销"均可)

## 许可证

MIT License

三、使用说明

1. 保存代码:将Python代码存为

"color_recommender.py"。

2. 运行工具:

- 打开命令行,执行

"python color_recommender.py --theme 你的主题"(如

"python color_recommender.py --theme 文艺")。

3. 查看结果:终端输出3套配色方案,含主色/辅助色/点缀色的十六进制色号。

四、核心知识点卡片

- 配置驱动设计:用嵌套字典存储主题-方案-色号映射,实现灵活扩展(增删主题无需改逻辑)。

- 输入标准化:

"parse_input()"统一处理空格/大小写,提升容错性(如"促销"→"促销")。

- 模块化函数:拆分配置加载、输入校验、方案生成、输出格式化,职责单一易维护。

- 类型注解:用

"typing"标注函数参数/返回值类型(如

"Dict[str, List[dict]]"),增强可读性。

- 命令行解析:

"argparse"处理必填参数

"--theme",支持脚本化调用。

- 结构化输出:

"format_output()"按"方案→角色→色号"层级排版,移动端阅读友好。

- 预设方案稳定性:避免随机生成的不确定性,确保每套方案经过配色理论验证(如促销用互补色增强视觉冲击)。

关注我,有更多实用程序等着你!

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/2 21:01:17

使用TensorFlow镜像加速大模型训练,降低Token计算成本

使用TensorFlow镜像加速大模型训练,降低Token计算成本 在当前大模型研发如火如荼的背景下,一个现实问题正困扰着越来越多的AI团队:为什么同样的模型结构,在不同环境中训练速度能相差30%以上?更关键的是,每…

作者头像 李华
网站建设 2026/9/2 21:01:16

如何构建真正有用的 AI Agent?

谈到大模型,几乎人人都在讨论 AI Agent。 但是大部分的现实情况都是,大家接到需求后,兴致勃勃的上手各种新兴的技术和框架:RAG、MCP、ReAct、LangChain 等等,很快就实现了一个非常 Fancy 的 Demo,演示效果非…

作者头像 李华
网站建设 2026/9/3 2:26:45

你还在云端跑大模型?,Open-AutoGLM + Ollama本地部署已领先3个身位

第一章:你还在云端跑大模型?本地化部署已悄然领先随着算力设备的普及与开源模型生态的爆发,越来越多开发者和企业开始将大语言模型从云端迁移至本地运行。低延迟、高隐私性和可控成本正成为本地化部署的核心优势。性能与隐私的双重保障 在本地…

作者头像 李华
网站建设 2026/9/2 21:48:20

【程序员必备】大模型训练两大阶段详解:预训练与后训练技术指南,建议收藏!

大模型训练分为预训练和后训练两阶段。预训练通过自回归、自编码等方法从海量文本学习语言通用模式,构建知识基座。后训练解决预训练模型的幻觉风险和指令遵循弱问题,通过监督微调、偏好对齐等方法提升生成质量并适配专业领域。主要技术路线包括ReFT、RL…

作者头像 李华
网站建设 2026/9/2 21:01:23

如何通过TensorFlow镜像缩短AI产品上市时间

如何通过TensorFlow镜像缩短AI产品上市时间 在一家AI创业公司里,新入职的算法工程师小李本应第一天就开始模型调优,结果却花了整整三天才把本地环境搭好:CUDA版本不对、cuDNN缺失、Python依赖冲突……而同一时间,竞争对手已经发布…

作者头像 李华