Function detect_missing_from_rendered_diff

modules/metric_evaluator.py:1628–1706

从渲染对比中检测遗漏区域，并裁剪保存 这个函数会： 1. 对比原图和渲染图 2. 找出遗漏的区域 3. 从原图裁剪这些区域 4. 可选保存为单独的图片 Args: original_path: 原始图片路径 rendered_path: 渲染后的图片路径 output_dir: 裁剪区域保存目录（可选） Returns: 遗漏区域列表，每个包含: - bbox: 边界框 - cropped_image:

(original_path: str,
                                       rendered_path: str,
                                       output_dir: str = None)

def detect_missing_from_rendered_diff(original_path: str,
                                       rendered_path: str,
                                       output_dir: str = None) -> List[Dict]:
    """
    从渲染对比中检测遗漏区域，并裁剪保存
    
    这个函数会：
    1. 对比原图和渲染图
    2. 找出遗漏的区域
    3. 从原图裁剪这些区域
    4. 可选保存为单独的图片
    
    Args:
        original_path: 原始图片路径
        rendered_path: 渲染后的图片路径
        output_dir: 裁剪区域保存目录（可选）
    
    Returns:
        遗漏区域列表，每个包含:
        - bbox: 边界框
        - cropped_image: PIL Image对象
        - base64: base64编码的图像
    
    使用示例:
        missing = detect_missing_from_rendered_diff("original.png", "rendered.png")
        for i, region in enumerate(missing):
            # 可以直接用于生成XML
            base64_data = region['base64']
            bbox = region['bbox']
    """
    import base64
    from io import BytesIO
    
    # 检测差异区域
    result = compare_with_rendered(original_path, rendered_path, {
        'diff_threshold': 25,
        'min_region_area': 300,
        'merge_distance': 15
    })
    
    if not result.get('missing_regions'):
        return []
    
    # 读取原图
    original_pil = Image.open(original_path).convert("RGB")
    
    missing_elements = []
    
    for i, region in enumerate(result['missing_regions']):
        x1, y1, x2, y2 = region['bbox']
        
        # 裁剪
        cropped = original_pil.crop((x1, y1, x2, y2))
        
        # 转base64
        buffer = BytesIO()
        cropped.save(buffer, format='PNG')
        b64_data = base64.b64encode(buffer.getvalue()).decode('utf-8')