Function _compose_logos_horizontally

demo/pipeline.py:98–177

宽度为硬约束：输出图像宽度必为 box_w（默认 2000px）。 多 logo 按比例统一缩放，拼接后刚好占满 box_w（包含间距）。 高度由比例自然决定，可能 < box_h，也可能 > box_h（甚至 > 2*box_h），不会再二次压缩。 透明背景，输出 PNG。

(logo_paths, out_path: Path, box_w=2000, box_h=476, gap=16)

    return files

def _compose_logos_horizontally(logo_paths, out_path: Path, box_w=2000, box_h=476, gap=16):
    """
    宽度为硬约束：输出图像宽度必为 box_w（默认 2000px）。
    多 logo 按比例统一缩放，拼接后刚好占满 box_w（包含间距）。
    高度由比例自然决定，可能 < box_h，也可能 > box_h（甚至 > 2*box_h），不会再二次压缩。
    透明背景，输出 PNG。
    """
    # 读取图片
    imgs = []
    for p in logo_paths:
        p = Path(p)
        if p.exists() and p.is_file():
            imgs.append(Image.open(p).convert("RGBA"))
    n = len(imgs)
    if n == 0:
        raise RuntimeError("No logo images found.")

    # 原始总宽度（不含 gap）；拼接总宽 = sum(w_i) + gap*(n-1)
    widths  = [im.width for im in imgs]
    heights = [im.height for im in imgs]
    sum_w   = sum(widths)
    if sum_w <= 0:
        raise RuntimeError("All logo images have zero width.")

    # 计算统一缩放比例，使：sum(w_i * s) + gap*(n-1) == box_w
    # => s = (box_w - gap*(n-1)) / sum_w
    total_gap = max(0, gap * (n - 1))
    if box_w <= total_gap:
        raise ValueError(f"box_w({box_w}) too small vs total gaps({total_gap}). Increase box_w or reduce gap.")
    s = (box_w - total_gap) / float(sum_w)

    # 按统一比例缩放（四舍五入到整数像素，避免累计误差）
    resized = []
    scaled_widths = []
    scaled_heights = []
    for im, w, h in zip(imgs, widths, heights):
        nw = max(1, int(round(w * s)))
        nh = max(1, int(round(h * s)))
        resized.append(im.resize((nw, nh), Image.LANCZOS))
        scaled_widths.append(nw)
        scaled_heights.append(nh)

    # 由于整数取整，可能出现总宽 !=  box_w - total_gap；对若干图微调 1px 以精确对齐
    current_sum_w = sum(scaled_widths)
    diff = (box_w - total_gap) - current_sum_w
    # 按从宽到窄/从大到小顺序均匀分配像素误差
    if diff != 0:
        order = sorted(range(n), key=lambda i: scaled_widths[i], reverse=(diff > 0))
        idx = 0
        step = 1 if diff > 0 else -1
        remaining = abs(diff)
        while remaining > 0 and n > 0:
            i = order[idx % n]
            new_w = scaled_widths[i] + step
            if new_w >= 1:
                scaled_widths[i] = new_w
                resized[i] = resized[i].resize((new_w, resized[i].height), Image.LANCZOS)
                remaining -= 1