image-shape-filter

name	image_shape_filter
description	图像形状过滤器。过滤器保持样品的图像形状 (w，h) 在特定范围内。 本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到图像尺寸过滤、图片宽高筛选、图像分辨率过滤、按图片大小过滤、图像形状限制等需求时使用此skill。
name_zh	图像形状过滤器算子
input_params	[{"name":"input_path","type":"string","required":true,"description":"输入数据文件路径（JSON/JSONL格式）"},{"name":"output_path","type":"string","required":true,"description":"输出数据文件路径（JSONL格式）"},{"name":"min_width","type":"int","required":false,"default":1,"description":"最小图像宽度"},{"name":"max_width","type":"int","required":false,"default":2147483647,"description":"最大图像宽度"},{"name":"min_height","type":"int","required":false,"default":1,"description":"最小图像高度"},{"name":"max_height","type":"int","required":false,"default":2147483647,"description":"最大图像高度"},{"name":"any_or_all","type":"string","required":false,"default":"any","description":"过滤策略（any/all）"},{"name":"num_proc","type":"int","required":false,"default":1,"description":"并行处理的进程数"}]
output_params	[{"name":"output_path","type":"jsonl_file","description":"过滤后的JSONL文件，包含图像尺寸在指定范围内的样本"}]
tag	数据筛选
publisher	COMMUNITY

功能概述

该算子用于过滤图像尺寸（宽度和高度）在指定范围内的样本。支持多种过滤策略：

• any: 任意一张图像符合条件即保留
• all: 所有图像都符合条件才保留

核心参数

参数	类型	必填	默认值	说明
input_path	string	是	-	输入数据文件路径 (JSON/JSONL格式)
output_path	string	是	-	输出数据文件路径 (JSONL格式)
min_width	int	否	1	最小图像宽度
max_width	int	否	2147483647	最大图像宽度
min_height	int	否	1	最小图像高度
max_height	int	否	2147483647	最大图像高度
any_or_all	string	否	'any'	过滤策略：'any' 或 'all'
num_proc	int	否	1	并行处理的进程数

输入数据格式

输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 images 字段：

{"images": ["/path/to/image1.jpg", "/path/to/image2.jpg"]}

输出数据格式

输出为 JSONL 格式，每行一个符合条件的样本。

使用示例

命令行调用

python scripts/run_image_shape_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl \
  --min_width 400 \
  --min_height 400 \
  --any_or_all any

参数说明

• --input_path: 输入文件路径
• --output_path: 输出文件路径
• --min_width: 最小图像宽度（默认1）
• --max_width: 最大图像宽度（默认无限）
• --min_height: 最小图像高度（默认1）
• : 最大图像高度（默认无限）