python中导入图片让 ChatGPT 进行评价

1. 引言

在本部分，我们详细介绍如何在代码中导入图片，并让 ChatGPT 进行评价。重点包括如何遍历文件夹中的图片、如何对图片进行处理（转换为 Base64 编码）、如何构造 API 请求、如何解析 ChatGPT 的返回结果并保存。

2. 代码修改

在原有调用 ChatGPT 进行文本交互的代码基础上，我们增加了以下改动，使其可以读取本地图片并发送至 ChatGPT 进行评价。

2.1 遍历文件夹中的所有图片

首先，我们需要遍历指定的文件夹，提取所有图片的文件路径。

import os

def get_image_files(folder_path, extensions=(".jpg", ".png", ".jpeg")):
    """ 获取文件夹内所有符合格式的图片文件 """
    image_files = []
    for root, _, files in os.walk(folder_path):  # 遍历文件夹
        for file in files:
            if file.lower().endswith(extensions):  # 筛选符合格式的图片
                image_files.append(os.path.join(root, file))
    return image_files

# 示例用法
image_folder = "./images"
image_files = get_image_files(image_folder)
print(f"找到 {len(image_files)} 张图片")

作用：

• os.walk() 遍历文件夹及其所有子目录。

• 过滤掉非图片文件，仅获取 .jpg、.png、.jpeg 文件。

• 返回所有符合条件的图片路径。

这样，无论你的图片存放在什么层级的文件夹中，该方法都可以正确找到并返回所有图片。

2.2 读取图片并转换为 Base64 编码

ChatGPT 需要通过 Base64 格式读取图片，因此我们需要实现一个编码函数。

import base64

def encode_image(image_path):
    """ 读取图片并转换为 Base64 编码 """
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

作用：

• 以二进制格式读取图片。

• 使用 base64.b64encode() 进行编码。

• 转换为字符串格式，便于 API 传输。

2.3 构造 ChatGPT API 请求

headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json"
}

def generate_payload(image_base64):
    """ 构造 API 请求 """
    return {
        "model": "gpt-4o",
        "messages": [
            {"role": "system", "content": "请评价这张图片。"},
            {"role": "user", "content": [
                {"type": "text", "text": "请评价这张图片。"},
                {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_base64}"}}
            ]}
        ],
        "max_tokens": 500
    }

作用：

• messages 结构包含文本和图片。

• image_url 以 Base64 形式传递图片数据，确保 API 能正确解析。

2.4 发送请求并处理 API 响应

import requests
import time

def send_request(payload):
    """ 发送 API 请求并处理返回数据 """
    for attempt in range(5):  # 增加重试机制
        try:
            response = requests.post(
                "https://api.openai.com/v1/chat/completions",
                json=payload,
                headers=headers,
                timeout=60
            )
            if response.status_code == 200:
                return response.json()["choices"][0]["message"]["content"]
            elif response.status_code == 429:
                print(f"请求速率受限，等待 {2 ** attempt} 秒后重试...")
                time.sleep(2 ** attempt)
            else:
                print(f"请求失败: {response.status_code}, {response.text}")
                break
        except requests.exceptions.RequestException as e:
            print(f"❌ 请求失败: {e}")
            break
    return None

作用：

• requests.post() 发送 API 请求。

• 如果 API 速率受限（429 错误），指数级回退重试。

• 解析 API 返回的 JSON 数据，提取评价文本。

2.5 批量处理图片并保存评价结果

all_evaluations = []
for image_path in image_files:
    image_base64 = encode_image(image_path)
    payload = generate_payload(image_base64)
    evaluation = send_request(payload)
    if evaluation:
        all_evaluations.append(f"图片: {image_path}\n评价: {evaluation}\n\n")

# 保存评价结果
with open("evaluation_results.txt", "w", encoding="utf-8") as file:
    file.writelines(all_evaluations)

print("✅ 所有图片的评价已保存！")

作用：

• 遍历所有图片，对每张图片进行编码、发送请求，并获取 ChatGPT 的评价。

• 将所有评价存入 evaluation_results.txt 文件，方便后续查看。

3. 结论

通过修改，我们成功让 ChatGPT 处理图片并提供评价。具体步骤包括：

1. 遍历文件夹，找到所有图片文件。

2. 读取图片并转换为 Base64 编码，符合 API 规范。

3. 构造 API 请求，将文本和图片数据传输至 ChatGPT。

4. 发送请求并处理 API 响应，包括重试机制。

5. 存储评价结果，保存到本地文件。

通过这种方法，我们可以高效地批量评估多张图片，并获取详细的评价结果。