让 AI 图像处理变得简单而强大Gemini Image App,现代化的全栈 AI 图像处理平台

基于 Google Gemini AI 的全功能图像处理应用

一个现代化的全栈 AI 图像处理平台，集成了 Google Gemini、OpenCV 和 YOLO 等先进技术，提供图像问答、生成、编辑、目标检测、图像分割和视频生成等功能。

✨ 核心功能

🤖 智能图像问答

多语言支持：中文提问，智能回答
深度理解：基于 Gemini 2.0 Flash 视觉模型
上下文分析：理解图像内容、场景和细节
模型选择：支持多种 Gemini 模型切换

🎨 AI 图像生成

双引擎支持：
- Imagen 3 – 照片级高质量图像生成
- Gemini 2.0 Flash – 快速创意图像生成
智能翻译：中文提示词自动翻译优化
动态模型：实时获取最新可用模型
批量生成：支持多张图像同时生成

✏️ 智能图像编辑

AI 驱动编辑：自然语言描述编辑需求
多种编辑模式：修复、增强、风格转换
实时预览：编辑结果即时显示
历史记录：编辑步骤可回溯

🎯 多算法目标检测

三重检测引擎：
- Gemini AI – 智能语义检测
- OpenCV – 传统计算机视觉
- YOLO v11 – 实时神经网络检测
对比分析：三种算法结果并排比较
内容验证：智能匹配用户查询与图像内容
可视化结果：边界框、置信度、汇总图像

🔍 精确图像分割

像素级精度：精确的对象轮廓分割
多算法支持：Gemini、OpenCV、YOLO 分割
实例分割：区分同类对象的不同实例
完整对象显示：分割结果保持对象完整性
对比分析：多种分割方法效果对比

🎬 AI 视频生成

文本到视频：根据描述生成视频内容
提示词优化：自动优化生成效果
Veo 2.0 引擎：使用最新的视频生成模型
进度跟踪：实时显示生成进度

🛠️ 技术架构

🔧 后端技术栈

Flask 3.0+ – 现代化 Web 框架
google-genai 1.16.1 – 最新 Gemini AI SDK
OpenCV 4.x – 计算机视觉库
Ultralytics YOLO v11 – 最新目标检测模型
Pillow (PIL) – 图像处理库
Python 3.8+ – 运行环境

🎨 前端技术栈

Vue.js 3 – 渐进式 JavaScript 框架
Vite – 快速构建工具
TailwindCSS – 原子化 CSS 框架
Element Plus – Vue 3 组件库
Font Awesome – 图标库
响应式设计 – 移动端适配

🤖 AI 模型集成

Gemini 2.0 Flash – 多模态理解和生成
Imagen 3 – 高质量图像生成
Veo 2.0 – 视频生成模型
YOLO v11 – 实时目标检测和分割
OpenCV – 传统计算机视觉算法

🏗️ 架构特点

模块化设计 – 清晰的代码组织结构
服务分离 – 业务逻辑与API分离
多算法支持 – 同一功能多种实现方案
配置驱动 – 灵活的环境配置管理
错误处理 – 完善的异常处理机制

🚀 快速开始

📋 环境要求

Python 3.8+
Node.js 16+ (用于前端开发)
Git (版本控制)
Google AI API Key (必需)

1️⃣ 克隆项目

ounter(lineounter(line git clone https://github.com/yourusername/gemini-image-app.git cd gemini-image-app

2️⃣ 后端设置

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 进入后端目录 cd backend # 创建虚拟环境 (推荐) python -m venv .venv source .venv/bin/activate # Linux/Mac # 或 .venv\Scripts\activate # Windows # 安装依赖 pip install -r requirements.txt

3️⃣ 前端设置

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 进入前端目录 cd frontend # 安装依赖 npm install # 启动开发服务器 npm run dev

4️⃣ 环境配置

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 复制环境变量模板 cp .env.example .env # 编辑 .env 文件，添加您的 API 密钥 GOOGLE_API_KEY=your_google_ai_api_key_here GEMINI_API_KEY=your_google_ai_api_key_here SECRET_KEY=your_random_secret_key_here

🔑 获取 API 密钥: 访问 Google AI Studio 获取免费的 API 密钥

5️⃣ 启动应用

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 启动后端服务 (端口 5000) cd backend python run.py # 启动前端服务 (端口 3000) cd frontend npm run dev

6️⃣ 访问应用

前端界面: http://localhost:3000
后端API: http://localhost:5000

🎉 恭喜！ 您的 Gemini Image App 已经运行起来了！

📁 项目结构

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line gemini-image-app/ ├── 📁 backend/ # 🔧 Flask 后端 │ ├── 📁 app/ # 应用核心 │ │ ├── 📄 __init__.py # 应用工厂 │ │ ├── 📄 config.py # 配置管理 │ │ ├── 📁 api/ # API 路由层 │ │ │ ├── 📄 image_qa.py │ │ │ ├── 📄 image_generation.py │ │ │ ├── 📄 image_editing.py │ │ │ ├── 📄 object_detection.py │ │ │ ├── 📄 image_segmentation.py │ │ │ └── 📄 video_generation.py │ │ ├── 📁 services/ # 业务逻辑层 │ │ │ ├── 📄 image_qa_service.py │ │ │ ├── 📄 image_generation_service.py │ │ │ ├── 📄 image_editing_service.py │ │ │ ├── 📄 object_detection_service.py │ │ │ ├── 📄 image_segmentation_service.py │ │ │ ├── 📄 video_generation_service.py │ │ │ ├── 📄 opencv_service.py │ │ │ ├── 📄 yolo_detection_service.py │ │ │ └── 📄 yolo_segmentation_service.py │ │ ├── 📁 main/ # 主路由 │ │ └── 📁 utils/ # 工具函数 │ ├── 📄 requirements.txt # Python 依赖 │ └── 📄 run.py # 启动文件 ├── 📁 frontend/ # 🎨 Vue.js 前端 │ ├── 📁 src/ # 源代码 │ │ ├── 📁 pages/ # 页面组件 │ │ │ ├── 📄 Home.vue │ │ │ ├── 📄 ImageQA.vue │ │ │ ├── 📄 ImageGeneration.vue │ │ │ ├── 📄 ImageEditing.vue │ │ │ ├── 📄 ObjectDetection.vue │ │ │ ├── 📄 ImageSegmentation.vue │ │ │ ├── 📄 VideoGeneration.vue │ │ │ └── 📄 Settings.vue │ │ ├── 📁 services/ # API 服务 │ │ ├── 📁 router/ # 路由配置 │ │ ├── 📁 assets/ # 静态资源 │ │ ├── 📄 App.vue # 根组件 │ │ └── 📄 main.js # 入口文件 │ ├── 📄 package.json # 前端依赖 │ └── 📄 vite.config.js # 构建配置 ├── 📁 storage/ # 📦 文件存储 │ ├── 📁 uploads/ # 用户上传 │ ├── 📁 generated/ # AI 生成 │ └── 📁 models/ # AI 模型 (自动下载) │ ├── 📄 README.md # 模型说明 │ └── 📄 *.pt # YOLO 模型 (首次使用时下载) ├── 📄 .env.example # 环境变量模板 ├── 📄 .gitignore # Git 忽略规则 ├── 📄 README.md # 项目说明 ├── 📄 doc.md # 功能文档 └── 📄 GIT_SETUP.md # Git 使用指南

🔌 API 接口

🏠 主要路由

方法	路径	功能	描述
GET	/	主页	应用主界面
GET	/api/features	功能列表	获取所有可用功能

🤖 图像问答

方法	路径	功能
POST	/api/image-qa	图像问答
GET	/api/image-qa/models	获取可用模型

🎨 图像生成

方法	路径	功能
POST	/api/image-generation	生成图像
GET	/api/image-generation/models	获取生成模型

✏️ 图像编辑

方法	路径	功能
POST	/api/image-editing	编辑图像

🎯 目标检测

方法	路径	功能
POST	/api/object-detection	Gemini 检测
POST	/api/object-detection/opencv	OpenCV 检测
POST	/api/object-detection/yolo	YOLO 检测
POST	/api/object-detection/compare	对比分析

🔍 图像分割

方法	路径	功能
POST	/api/image-segmentation	Gemini 分割
POST	/api/image-segmentation/opencv	OpenCV 分割
POST	/api/image-segmentation/yolo	YOLO 分割
POST	/api/image-segmentation/compare	对比分析

🎬 视频生成

方法	路径	功能
POST	/api/video-generation	生成视频

🤖 支持的 AI 模型

🔍 视觉理解模型

gemini-2.0-flash – 快速多模态模型
gemini-2.0-flash-exp – 实验性增强版本

🎨 图像生成模型

imagen-3.0-generate-002 – 高质量照片级图像
gemini-2.0-flash-exp-image-generation – 创意图像生成

🎬 视频生成模型

veo-2.0-generate-001 – 最新视频生成模型

🎯 检测分割模型

YOLO v11 系列 – 实时目标检测
- yolo11n – Nano (最快)
- yolo11s – Small (平衡)
- yolo11m – Medium (推荐)
- yolo11l – Large (高精度)
- yolo11x – Extra Large (最高精度)

💡 使用示例

🤖 图像问答示例

ounter(lineounter(lineounter(lineounter(line # 上传图像并提问 curl -X POST http://localhost:5000/api/image-qa \ -F "image=@your_image.jpg" \ -F "question=这张图片里有什么动物？"

示例问题：

“这张图片的主要内容是什么？”
“图片中有多少个人？”
“描述一下图片的颜色和氛围”
“这是在什么地方拍摄的？”

🎨 图像生成示例

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 使用 Imagen 3 生成图像 curl -X POST http://localhost:5000/api/image-generation \ -H "Content-Type: application/json" \ -d '{ "prompt": "一只可爱的机器人猫在未来城市中漫步", "model": "imagen-3", "num_images": 1 }'

示例提示词：

“夕阳下的壮丽山景，金色光芒洒在雪山上”
“一个充满科技感的未来城市，霓虹灯闪烁”
“古典中式庭院，春天樱花盛开”

🎯 目标检测示例

ounter(lineounter(lineounter(lineounter(line # 使用对比分析检测狗 curl -X POST http://localhost:5000/api/object-detection/compare \ -F "image=@dog_image.jpg" \ -F "object_name=狗"

🔍 图像分割示例

ounter(lineounter(lineounter(lineounter(line # 分割图像中的人物 curl -X POST http://localhost:5000/api/image-segmentation \ -F "image=@person_image.jpg" \ -F "object_name=人"

🎬 视频生成示例

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 生成视频 curl -X POST http://localhost:5000/api/video-generation \ -H "Content-Type: application/json" \ -d '{ "prompt": "一只小猫在花园里玩耍，阳光明媚" }'

⚙️ 配置说明

🔧 环境变量配置

编辑 .env 文件或设置环境变量：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 必需配置 GOOGLE_API_KEY=your_google_ai_api_key_here GEMINI_API_KEY=your_google_ai_api_key_here SECRET_KEY=your_random_secret_key # 可选模型配置 GEMINI_VISION_MODEL=gemini-2.0-flash GEMINI_IMAGE_GEN_MODEL=gemini-2.0-flash-exp-image-generation IMAGEN_MODEL=imagen-3.0-generate-002 # 服务器配置 BACKEND_PORT=5000 FRONTEND_PORT=3000

🎛️ 高级配置

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 文件上传限制 (16MB) MAX_CONTENT_LENGTH=16777216 # 日志级别 LOG_LEVEL=INFO # CORS 设置 CORS_ORIGINS=http://localhost:3000,http://127.0.0.1:3000

✨ 功能特性

✅ 已实现功能

🤖 智能图像问答 – Gemini 2.0 Flash 驱动
🎨 AI 图像生成 – Imagen 3 + Gemini 双引擎
✏️ 智能图像编辑 – 自然语言编辑指令
🎯 多算法目标检测 – Gemini + OpenCV + YOLO v11
🔍 精确图像分割 – 像素级对象分割
🎬 AI 视频生成 – Veo 2.0 视频生成
🌐 中文界面 – 完整中文用户体验
🌙 深色/浅色模式 – 主题切换
📱 响应式设计 – 移动端适配
🔄 实时模型选择 – 动态获取可用模型
⚠️ 智能错误处理 – 友好的错误提示
📊 对比分析 – 多算法结果对比
✅ 内容验证 – 智能匹配查询与图像内容

🚀 技术亮点

模块化架构 – 清晰的代码组织
多算法集成 – 同一功能多种实现
智能缓存 – 模型加载优化
异步处理 – 提升用户体验
配置驱动 – 灵活的环境管理
版本控制 – 完整的 Git 工作流

📋 系统要求

🖥️ 运行环境

Python 3.8+ (推荐 3.9+)
Node.js 16+ (推荐 18+)
Git (版本控制)
4GB+ RAM (AI 模型运行)
2GB+ 存储空间 (模型文件)

📦 主要依赖

Flask 3.0+ – Web 框架
google-genai 1.16.1 – 最新 Gemini SDK
ultralytics – YOLO v11 模型
opencv-python – 计算机视觉
Vue.js 3 – 前端框架
TailwindCSS – 样式框架

🔧 故障排除

❗ 常见问题

1. API 密钥错误

ounter(lineounter(lineounter(lineounter(lineounter(line # 检查环境变量 echo $GOOGLE_API_KEY # 验证密钥格式 # 应该以 "AI..." 开头

2. 文件上传问题

检查文件大小 (最大 16MB)
支持格式: JPG, PNG, GIF, WebP
确保文件未损坏

3. 模型加载失败

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 检查模型文件 ls -la storage/models/ # 重新下载模型 rm storage/models/yolo11n.pt # 重启应用会自动下载

4. 端口冲突

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 检查端口占用 lsof -i :5000 lsof -i :3000 # 修改端口配置 # 编辑 .env 文件中的 BACKEND_PORT 和 FRONTEND_PORT