Docker能跑些什么呢？第三期

Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows操作系统的机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。

下面继续给大家介绍一些Docker项目。有兴趣的小伙伴可以自己折腾一下(毕竟生命不息，折腾不止)。

搜索关注，分享更多有趣的知识。
在这里插入图片描述

Stirling-PDF

简介

Stirling-PDF 是一个本地托管的 Web 应用程序，允许个人对 PDF 文件执行各种操作，例如拆分和添加图像。目前 Stirling-PDF 还是 100% 基于 ChatGPT 制作的应用程序，随着更多功能的添加，才会慢慢地远离 ChatGPT。

GitHub：https://github.com/Stirling-Tools/Stirling-PDF

官网：https://stirlingpdf.io/?lang=zh_CN

软件特点

将 PDF 拆分为指定页码的多个文件，或将所有页面提取为单个文件;
将多个 PDF 合并为一个结果文件；
将 PDF 与图像相互转换；
将 PDF 页面重新组织成不同的顺序；
在指定位置将图像添加到 PDF；
以 90 度为基础旋转 PDF；
压缩 PDF 以减小文件大小；

软件截图

安装

使用Docker Run

1、下载

docker pull   frooodle/s-pdf:latest

2、运行命令

docker run -d \-p 8380:8080 \-v /location/of/trainingData:/usr/share/tessdata \-v /location/of/extraConfigs:/configs \-v /location/of/logs:/logs \-e DOCKER_ENABLE_SECURITY=false \-e INSTALL_BOOK_AND_ADVANCED_HTML_OPS=false \-e LANGS=en_GB \--name stirling-pdf \frooodle/s-pdf:latest

也可添加这个内容进行指定路径挂载，但不是必需的

-v /location/of/customFiles:/customFiles \

使用Docker compose

创建并编辑一个 docker-compose.yaml 文件

vim docker-compose.yaml

内容如下：

version: '3.3'
services:stirling-pdf:image: frooodle/s-pdf:latestports:- '8380:8080'volumes:- /location/of/trainingData:/usr/share/tessdata- /location/of/extraConfigs:/configs
#      - /location/of/customFiles:/customFiles/
#      - /location/of/logs:/logs/environment:- DOCKER_ENABLE_SECURITY=false- INSTALL_BOOK_AND_ADVANCED_HTML_OPS=false

运行

docker compose up -d

打开浏览器，输入localhost:8380 （端口与前面安装一致）

这里面很多核心的office相关的，都是用的LibreOffice的功能，也就是说如果你不高兴这么烦，也可以安装个LibreOffice,效果应该也是一样。

工具毕竟是有限的，有些效果还是不可能很完美。

HivisionIDPhotos

简介

HivisionIDPhotos是一款开源的图片处理工具，可以利用AI模型对照片进行轻量级智能抠图、调整尺寸生成不同的标准证件照、替换背景、美颜、智能换正装等操作。有了它，自己在家也能轻松搞定证件照，不用非得去照相馆或者某宝找人弄了，而且在本地部署，无需担心个人信息泄露。

GitHub：https://github.com/Zeyi-Lin/HivisionIDPhotos

官网：https://swanhub.co/ZeYiLin/HivisionIDPhotos

安装

1. 拉取或构建镜像

以下方式三选一

方式一：拉取最新镜像：

docker pull linzeyi/hivision_idphotos

方式二：Dockrfile 直接构建镜像：

在确保将至少一个抠图模型权重文件放到hivision/creator/weights下后，在项目根目录执行：

docker build -t linzeyi/hivision_idphotos .

方式三：Docker compose 构建：

在确保将至少一个抠图模型权重文件放到hivision/creator/weights下后，在项目根目录下执行：

docker compose build

docker run -d -p 7860:7860 linzeyi/hivision_idphotos

2. 运行服务

启动 Gradio Demo 服务

运行下面的命令，在你的本地访问 http://127.0.0.1:7860 即可使用。

docker run -d -p 7860:7860 linzeyi/hivision_idphotos

启动 API 后端服务

docker run -d -p 8080:8080 linzeyi/hivision_idphotos python3 deploy_api.py

两个服务同时启动

docker compose up -d

启动完成后，我们可以在浏览器中输入：localhost:7860

接下来就可以在web页面中使用HivisionIDPhotos来制作证件照啦！

lmage-Matting

简介

lmage-Matting 是来自 GitHub 的一款免费、开源、无广告的，本地运行的基于AI的抠图应用。它简单好用，抠图效果好，目前支持Windows、MacOS 等平台。

它的主要功能有:

AI抠图:自动识别图片主体进行抠图，支持批量抠图需要更多算力)，支持JPG、PNG、GIF、WEBP、BMP 等格式的图片。
证件照:AI抠图功能的延伸，抠图完成后可以选择主体的背景色，生成相当不错的证件照支持各种尺寸。
图片格式转换:支持 PNG、JPEG、GIF、BMP、WEBP、ICO、ICNS、TIFF、PDF 等格式图片的互转。

GitHub：https://github.com/ihmily/image-matting

官方提供的效果图如下：

安装：

1.从源代码运行

首先，您需要下载项目代码并安装所需的依赖项。

# Python 3.10git clone https://github.com/ihmily/image-matting.git
cd image-matting
pip install -r requirements.txt

接下来，使用以下命令运行 Web 界面。

python app.py

2.Docker运行

拉取 Docker 镜像。

docker pull ihmily/image-matting:latest

拉取镜像后，运行容器。

docker run -p 8000:8000 ihmily/image-matting:latest

或者，您也可以自己构建映像。

docker build -t image-matting:latest .
docker run -p 8000:8000 image-matting:latest

3.API调用

请在使用 API 之前运行

文件上传

import requestsserver = "http://127.0.0.1:8000"
image_path = "image.png"
model_name = "universal"  # people,universal
files = {"image": (image_path, open(image_path, "rb"))}
data = {"model": model_name}
response = requests.post(server+'/matting', files=files, data=data)
print(response.text)
json_data = response.json()
image_url = json_data['result_image_url']
mask_url = json_data['mask_image_url']
print("image_url:", server + image_url)
print("mask_url:", server + mask_url)

URL 上传

import requestsserver = "http://127.0.0.1:8000"
image_url = "http://your-image-url/demo.png"
data = {"image_url": image_url, "model": "universal"}  # people,universal
response = requests.post(server+'/matting/url', json=data)
print(response.text)
json_data = response.json()
image_url = json_data['result_image_url']
mask_url = json_data['mask_image_url']
print("image_url:",server+image_url)
print("mask_url:",server+mask_url)

您可以从上面自由选择要上传的方法。如果要获得裁剪后的抠图，可以调用 function。crop_image_by_alpha_channel

好啦！以上就是我常用的比较实用小众但又好玩的容器啦，如果你需要的话，也可以跟着搭建看看，操作还是蛮简单的。