随着第三版imgproxy Pro的发布，我们宣布了一个早期访问计划，可以免费获得3.0版本，还有一些来自机器学习这一需求领域的新功能--包括面向对象的作物引力和SSIM的自动质量。除此之外，我们还增加了自定义管道、调色板处理、回退图像和更方便的管理功能。
智能功能
面向对象的作物引力
我们想了很久，现在终于实现了--我们将机器学习（ML）引入Imgproxy Pro。更准确地说，是物体检测。这一切都始于使我们的智能裁剪更加智能的愿望。一个典型的用例是，用户生成的内容应满足特定的形状和尺寸限制，但任何形状和尺寸都可能被上传。当我们根据给定的参数应用 "调整大小以填充 "时，imgproxy应该确切地知道如何裁剪照片，以避免删除某人的头部。当然，这些参数可以在处理选项中定义，但当系统可以在没有帮助的情况下确定什么应该被剔除时，那就方便多了。
到目前为止，imgproxy使用内置的libvps方法来做这件事，但它的算法没有使用机器学习--它们是用像素强度工作的。这意味着它们不能识别图像中的特定对象，而是以边缘、饱和度、肤色等为指导。不幸的是，除非在一个特定的位置有一个尖锐的强度，否则它很可能对该图像不起作用（大多数图像都是这种情况）。例如，在一张穿着商务套装的人的照片中，要确定正确的部分进行裁剪以创造一个头像，是相当困难的。
为了解决这个问题，我们正在使用机器学习算法，所以用户可以找到特定的对象并进行分类。你可以上传你自己的模型，或者你可以使用我们之前训练的ML模型（这避免了上传沉重的模型文件）。我们已经训练了我们的模型来检测人脸，但如果有必要，用户可以使用他们的模型来识别其他目标对象，如未成年人、动物、汽车等。
智能裁剪，图片来源--布鲁克-卡格尔
为了检查我们的模型，我们还实现了绘图检测功能，以显示图像上的边界框--算法已经检测到并确定为目标的区域。欢迎用户为自己的目的使用这一功能。
匿名化或模糊化检测
所有被检测到的东西也可以被模糊化。这一功能有助于对照片中的人进行匿名化，模糊特定的元素（如照片中的儿童），或图像中 "对工作不安全 "的部分。我们使用成熟的开源算法，但用户也可以利用他们自己的预训练模型。
模糊，照片来源 -Shane
通过SSIM或图像质量系数自动拘留的自动质量
通常情况下，用户倾向于对他们所有的图像应用相同的质量系数，但这往往不能提供文件大小和图像质量之间的完美平衡。有些图像文件可以用较小的质量系数保存，同时仍有令人满意的质量。
我们决定自动确定质量系数。我们用ML算法进行了实验，以找到一种预测保存图像的最佳系数的方法。我们的目标是达到一定的、非常低的压缩损失份额。我们能够在保持图像质量的前提下，通过尽可能多的压缩来减少文件的大小。
我们并不满足于自动质量的最简单实现--不断地重新保存图片，直到达到所需的系数--这可能需要相当长的时间。因此，我们发明了一种组合方法，即首先通过神经网络运行图片，确定系数，如果神经网络的预测不够准确，再进行微调。
我们使用SSIM（结构相似性）家族中的DSSIM（结构不相似性）指标，使我们能够确定两张图片之间的相似程度。就图像压缩而言，它是这样的：我们拍摄一张图片，在一些算法（如JPEG）的帮助下进行压缩，解码，然后计算原始图片和压缩图片的SSIM。更多的SSIM意味着更少的压缩损失。DSSIM的工作原理正好相反--数值越大意味着压缩过程中损失越大。因此，我们试图达到一个质量系数，即DSSIM非常接近所需的质量系数（而且这个限制可以调整）。
自动量化或启用动态PNG压缩
量化是一种有损失的压缩技术，通过将一系列的值压缩成一个单一的量值来实现。在我们的案例中，我们生成一个调色板，并将这个调色板的颜色指数分配给每个图像的像素。
图像可以用不同的方式进行编码，例如，系统可以为每个像素分配颜色值，也可以使用有限的调色板。对于PNG格式的图像，imgproxy已经支持后一种方法（这个选项必须在设置中指定）。
然而，我们的用户有时会面临一个问题：当PNG量化被禁用，而源PNG利用调色板时，产生的文件会大很多。相反的问题也会发生：当源PNG是全色的，但量化功能被启用时，结果文件会失去质量。
为了解决这个问题，我们引入了自动识别。如果原始图片包含一个调色板，那么我们也会对结果进行量化，反之亦然。现在我们在保存PNG图片时有两种模式--它们要么自动保存，要么我们总是量化它们。
ETag或转发请求头
在第三个版本中，我们已经实现了HTTP协议的ETags智能生成，以便在请求原始图像时更有效地进行缓存。如果一个浏览器的请求带有ETag，我们首先检查处理选项是否有变化，然后请求具有相同ETag的图像。如果服务器确认原始图像没有改变，我们就以 "未修改 "的状态回应浏览器，并且不处理图像（浏览器从缓存中获取图像）。与第二版的imgproxy Pro相比，不再需要下载一张没有变化的图片并再次处理，这就消除了大量的处理和内存负载。
链式处理流水线
在imgproxy中，我们设置了一个预设的处理流水线。经过一系列的测试，我们实现了一个处理顺序，使每一个操作都能尽快完成，减少不必要的内存成本。
但现在，为了几个使用案例，我们决定让用户有机会定制这个处理顺序。imgproxy Pro的第3版允许用户使用一个URL指定多个管道，然后这些管道将被一致执行。服务器根据第一条管道处理图片，在不保存图片的情况下完成处理，并使用下一条管道开始处理结果。因此，用户可以根据需要建立任何流程。
让我们讨论一下这在什么时候能派上用场。首先，这个功能对于需要多次迭代的情况很有价值，而且这些迭代可能包括更多的图像变化。例如，你可能需要调整一张照片的大小，然后进行裁剪，然后再次调整裁剪后的图像大小，以正确满足给定的参数。当你需要在同一张图片上同时添加几个水印时，定制处理顺序也很有用。
更容易管理
对于两个版本--开源版和专业版--我们还增加了一些新的管理功能。
- 我们增加了DataDog监控服务支持。
- 引入了 "skip_processing "选项，因此你可以指定你不希望用URL处理的格式。
- 我们增加了 "回退 "处理选项，所以你可以为每个请求指定一个自定义的回退图像URL。
- 我们为回退图像响应实现了一个HTTP代码。用户现在可以在没有找到图片和利用回退时指定HTTP响应代码。
- 我们增加了 "expires "处理选项--这有助于设置链接过期的日期/时间/周期。
此外，"像素化 "过滤器现在是一个开放源码的功能，每个人都可以免费使用。
像素化，图片来源--美国国家航空航天局
我们还利用第三个版本的发布，在整个产品中实施大规模的重构。我们的目的是简化产品支持，并删除任何不必要的和被废弃的功能。这使我们能够清理出一些空间来引入一些更复杂的功能，即机器学习功能。
在这里了解更多关于所有专业功能：imgproxy.net。
