在很多业务场景中，证件照自动生成已经成为刚需能力，比如：
- 报名系统自动生成证件照
- 招聘/考试平台用户照片规范化
- 小程序一键生成证件照
- 出海产品 Photo ID 自动处理
如果完全手写图像处理算法，成本非常高。因此现在更主流的方案是：
👉 通过证件照制作 API，实现全自动合规生成
这篇文章带你从 0 到 1 搭建完整流程，并给出可直接落地的接入思路。
一、证件照自动生成的核心难点
很多人以为证件照制作只是「裁剪 + 换底色 + 换衣服」，但真实线上系统远不止如此。 一个合规证件照通常要解决以下问题：
✅ 人像检测必须精准
如果定位不准，很容易出现：
- 裁到头顶
- 人脸偏移
- 多人误识别
这一步直接决定后续全部质量。
✅ 智能裁剪与比例控制
不同证件照规格要求非常严格，例如：
- 一寸 / 二寸
- 各国签证尺寸
- 不同考试报名规格
系统需要自动保证：
- 头部占比正确
- 人脸居中
- 上下留白合规
👉 这也是很多前端手动裁剪方案翻车的原因。
✅ 高质量背景替换（发丝级抠图）
用户上传的照片往往背景复杂：
- 家庭环境
- 光线不均
- 背景杂乱
如果抠图不干净，会直接影响通过率。
合格方案需要做到：
- 发丝级边缘
- 无白边
- 无锯齿
- 自然融合
✅ 合规性检测（很多团队会忽略）
在真实业务中，还经常需要自动判断：
- 是否多人
- 是否遮挡
- 是否模糊
- 是否过曝
否则用户提交后仍然会被人工审核打回。
二、推荐的自动化技术流程
一个成熟的网站自动生成流程通常是：
用户上传照片
↓
人脸检测
↓
智能抠图
↓
背景替换
↓
尺寸裁剪
↓
合规检测
↓
返回标准证件照
如果全部自研，通常需要：
- 人脸算法
- 抠图模型
- 图像处理链路
- 各国规格库
👉 完整开发周期往往 ≥ 3–6 个月
因此，大多数团队会选择直接接入成熟 API。
三、快速接入证件照制作 API（实战）
下面给出一个通用接入流程，可直接嵌入：
- 网站
- 小程序
- App
- SaaS 系统
Step 1：前端上传照片
最简单的方式：
<input type="file" id="upload" />
你也可以替换成现有上传组件。
Step 2：调用证件照制作 API
如果你正在做系统集成，可以参考完整的接口文档（含多语言示例），通常几分钟即可跑通。
👉 接口文档地址：www.shiliuai.com/api/zhengji…
Python 示例
# -*- coding: utf-8 -*-
import requests
import base64
import cv2
import json
import numpy as np
api_key = '******' # 你的API KEY
file_path = '...' # 图片路径
with open(file_path, 'rb') as fp:
photo_base64 = base64.b64encode(fp.read()).decode('utf8')
url = 'https://api.shiliuai.com/api/id_photo/v1'
headers = {'APIKEY': api_key, "Content-type": "application/json"}
data = {
"base64": photo_base64,
"bgColor": "FFFFFF",
"dpi": 300,
"mmHeight": 35,
"mmWidth": 25
}
response = requests.post(url=url, headers=headers, json=data)
response = json.loads(response.content)
"""
成功：{'code': 0, 'msg': 'OK', 'msg_cn': '成功', 'id': id, 'result_base64': result_base64}
or
失败：{'code': error_code, 'msg': error_msg, 'msg_cn': 错误信息}
"""
result_base64 = response.get('result_base64', '')
img_id = response.get('id', '')
file_bytes = base64.b64decode(result_base64) if result_base64 else b''
if file_bytes:
with open('result.jpg', 'wb') as f:
f.write(file_bytes)
image = np.asarray(bytearray(file_bytes), dtype=np.uint8)
image = cv2.imdecode(image, cv2.IMREAD_COLOR)
cv2.imshow('result', image)
cv2.waitKey(0)
# 同一张图片，参数改变，再次请求（复用 id）
data2 = {
"id": img_id,
"bgColor": "FF0000",
"dpi": 300,
"pxHeight": 640,
"pxWidth": 480
}
response2 = requests.post(url=url, headers=headers, json=data2)
response2 = json.loads(response2.content)
java 示例
import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.file.Files;
import java.util.Base64;
import org.json.JSONObject;
public class IDPhotoAPIExample {
public static void main(String[] args) {
String apiKey = "******"; // 你的API KEY
String filePath = "path/to/your/image.jpg"; // 图片路径
try {
// 读取图片并编码为 Base64
byte[] fileBytes = Files.readAllBytes(new File(filePath).toPath());
String photoBase64 = Base64.getEncoder().encodeToString(fileBytes);
// API 请求的 URL
String apiUrl = "https://api.shiliuai.com/api/id_photo/v1";
// 请求参数 (初次请求)
JSONObject requestData = new JSONObject();
requestData.put("base64", photoBase64);
requestData.put("bgColor", "FFFFFF");
requestData.put("dpi", 300);
requestData.put("mmHeight", 35);
requestData.put("mmWidth", 25);
// 发送 POST 请求
JSONObject response = sendPostRequest(apiUrl, apiKey, requestData);
// 检查响应是否成功
if (response.getInt("code") == 0) {
String resultBase64 = response.getString("result_base64");
String id = response.getString("id");
// 解码并保存图片
byte[] resultBytes = Base64.getDecoder().decode(resultBase64);
try (FileOutputStream fos = new FileOutputStream("result.jpg")) {
fos.write(resultBytes);
}
System.out.println("图片生成成功，文件已保存为 result.jpg");
// 同一张图片，参数改变，再次请求
JSONObject newRequestData = new JSONObject();
newRequestData.put("id", id);
newRequestData.put("bgColor", "FF0000");
newRequestData.put("dpi", 300);
newRequestData.put("pxHeight", 640);
newRequestData.put("pxWidth", 480);
// 发送新的请求
JSONObject newResponse = sendPostRequest(apiUrl, apiKey, newRequestData);
if (newResponse.getInt("code") == 0) {
String newResultBase64 = newResponse.getString("result_base64");
byte[] newResultBytes = Base64.getDecoder().decode(newResultBase64);
try (FileOutputStream fos = new FileOutputStream("result_red_bg.jpg")) {
fos.write(newResultBytes);
}
System.out.println("参数改变后的图片生成成功，文件已保存为 result_red_bg.jpg");
} else {
System.out.println("新的请求失败: " + newResponse.getString("msg_cn"));
}
} else {
System.out.println("初次请求失败: " + response.getString("msg_cn"));
}
} catch (Exception e) {
e.printStackTrace();
}
}
// 发送 POST 请求
private static JSONObject sendPostRequest(String urlStr, String apiKey, JSONObject jsonData) throws IOException {
URL url = new URL(urlStr);
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
conn.setRequestMethod("POST");
conn.setRequestProperty("APIKEY", apiKey);
conn.setRequestProperty("Content-Type", "application/json");
conn.setDoOutput(true);
// 写入请求数据
try (OutputStream os = conn.getOutputStream()) {
byte[] input = jsonData.toString().getBytes("utf-8");
os.write(input, 0, input.length);
}
// 读取响应
StringBuilder response = new StringBuilder();
try (BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream(), "utf-8"))) {
String responseLine;
while ((responseLine = br.readLine()) != null) {
response.append(responseLine.trim());
}
}
return new JSONObject(response.toString());
}
}
JavaScript 示例
const fs = require('fs');
const fetch = require('node-fetch'); // 需安装：npm install node-fetch
const apiKey = '******'; // 你的API KEY
const filePath = 'path/to/your/image.jpg'; // 图片路径
(async () => {
try {
// 读取图片并编码为 Base64
const fileBuffer = fs.readFileSync(filePath);
const photoBase64 = fileBuffer.toString('base64');
// API 请求的 URL
const apiUrl = 'https://api.shiliuai.com/api/id_photo/v1';
// 请求参数 (初次请求)
const requestData = {
base64: photoBase64,
bgColor: "FFFFFF",
dpi: 300,
mmHeight: 35,
mmWidth: 25
};
// 发送 POST 请求
let response = await fetch(apiUrl, {
method: 'POST',
headers: {
'APIKEY': apiKey,
'Content-Type': 'application/json'
},
body: JSON.stringify(requestData)
});
let responseData = await response.json();
// 检查响应是否成功
if (responseData.code === 0) {
const resultBase64 = responseData.result_base64;
const id = responseData.id;
// 解码并保存图片
const resultBuffer = Buffer.from(resultBase64, 'base64');
fs.writeFileSync('result.jpg', resultBuffer);
console.log("图片生成成功，文件已保存为 result.jpg");
// 同一张图片，参数改变，再次请求
const newRequestData = {
id: id,
bgColor: "FF0000",
dpi: 300,
pxHeight: 640,
pxWidth: 480
};
response = await fetch(apiUrl, {
method: 'POST',
headers: {
'APIKEY': apiKey,
'Content-Type': 'application/json'
},
body: JSON.stringify(newRequestData)
});
responseData = await response.json();
if (responseData.code === 0) {
const newResultBase64 = responseData.result_base64;
const newResultBuffer = Buffer.from(newResultBase64, 'base64');
fs.writeFileSync('result_red_bg.jpg', newResultBuffer);
console.log("参数改变后的图片生成成功，文件已保存为 result_red_bg.jpg");
} else {
console.error("新的请求失败:", responseData.msg_cn);
}
} else {
console.error("初次请求失败:", responseData.msg_cn);
}
} catch (error) {
console.error("发生错误:", error);
}
})();
Step 3：展示生成结果
接口一般会返回：
- 标准证件照 base64的图片
- 排版证件照 base64的图片
- 合规检测结果
- 接口返回码，返回信息，id等 以下是示例返回结果
{
"code": 0,
"msg": "OK",
"msg_cn": "成功",
"id": "xxxxxx",
"result_base64": "/9j/4AAQSkZJRgABAQAAAQABAAD...（省略）",
"layout_base64": "/9j/4AAQSkZJRgABAQAAAQABAAD...（可选，layout==1 时返回）",
"info": {
"qualified": true,
"msg": "OK",
"msg_cn": "合规",
"width": 295,
"height": 413
},
"advanced_info": {
"qualified": true,
"msg": "OK",
"msg_cn": "高级合规"
},
"request_id": "req_xxxxxxxx"
}
建议保存返回的图片后，前端展示即可：
<img src="返回的证件照URL" />
到这里，一个最小可用版本就已经跑通了。
四、实战中最常见的 3 个坑
如果你准备自己做，这几类问题几乎必遇。
❗ 坑 1：前端裁剪 ≠ 合规证件照
很多团队早期方案是：
- canvas 裁剪
- 用户手动拖拽
上线后常见问题：
- 头部比例不对
- 人脸不居中
- 审核不过
👉 证件照必须依赖人脸比例算法，而不是纯前端裁图。
❗ 坑 2：通用抠图达不到证件照标准
普通抠图常见问题：
- 发丝断裂
- 白边明显
- 背景溢色
证件照对边缘要求比电商抠图更严格。
❗ 坑 3：不同国家/规格维护成本极高
例如：
- 中国一寸
- 美国签证
- 日本证件照
尺寸 + 头部比例都不同。
👉 如果不想自己维护规格库，建议直接使用内置多规格的证件照 API，会省掉大量适配成本。
五、在线体验 vs API 接入怎么选？
很多团队在这里会犹豫，其实可以这样判断：
✅ 如果你是普通用户
建议先用在线工具快速生成一张，确认效果是否满足需求。
如果你只是想测试效果，可以直接体验在线生成：
👉 在线体验（无需注册）： www.shiliuai.com/zhengjianzh…
✅ 如果你是开发者 / 平台方
更推荐直接接入 API，可以实现：
- 批量自动生成
- 嵌入业务流程
- 降低人工审核成本
- 提升用户转化率
六、一个更稳的落地路径（实战经验）
很多成熟项目的推进路径是：
1️⃣ 先用在线工具验证效果
2️⃣ 再接入 API 自动化
3️⃣ 最后接入业务闭环
这样风险和试错成本最低。
七、最后补充
证件照自动生成看起来简单，但真正商用落地，核心在三点：
- 人脸比例是否准确
- 抠图是否干净
- 是否符合各类证件规范
选对方案，通常可以帮团队节省 数周到数月 的开发时间。
如果你的项目涉及：
- 报名系统
- 招聘平台
- 教育系统
- 出海工具站
- AI 图像处理产品
证件照自动生成基本都会成为一个高频能力模块，建议尽早自动化。
