triangula

上传图片,一键生成低多边形艺术,风格独特

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 设计创意 🍴 复刻 120 🐛 待处理 14 👀 关注 39
GitHub ↗
GitHub 星标 ★ 3875
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

triangula 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类设计创意
开发团队rh12503
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Go
技术栈/模型art,evolutionary-algorithms,evolutionary-art,generative-art,genetic-algorithm,go,golang,gui,polygons,triangles,triangula
GitHub 星标★ 3875
上线时间2021-04-02 00:00:00
代码更新2026-03-21
仓库体积28.9 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

Triangula 是一个用 Go 语言编写的开源工具,能够将普通图片自动生成高质量的三角剖分艺术(低多边形风格)图像。它解决了手动创建多边形艺术耗时费力的问题,通过智能算法(基于遗传算法和分治策略)自动优化三角形和多边形的布局、颜色和形状,以最小化与原图的视觉差异。核心能力包括:支持自定义多边形数量、点数量、迭代次数等参数,可输出 SVG 和 PNG 格式,提供命令行界面和 Web 演示,适合艺术家、设计师和开发者快速生成风格化图像。项目采用模块化设计,算法核心独立,易于扩展和集成。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3875

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:命令行工具 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Go 语言开发环境(项目用 Go 编写,README 未限定具体版本)
  • 可访问 GitHub 的网络环境,用于克隆仓库或查看在线演示
  • 待处理的图片建议小于 3000px、点数少于 3000(README 明确说明)

安装与启动步骤

  1. 1克隆仓库

    把项目源码下载到本地,后续按仓库 README 的 Install 章节自行构建;README 节选中未给出具体构建命令。

    git clone https://github.com/RH12503/triangula.git
  2. 2确认 Go 环境

    该项目使用 Go 语言编写,需先准备 Go 工具链;README 未指定版本,先确认命令可用即可。

    go version
  3. 3阅读 Install 章节

    打开仓库 README 的 Install 部分,按其实际给出的方式构建或获取可执行文件,不要照搬其他来源的命令。

  4. 4浏览器在线试用

    README 提供网页版演示,不想本地安装可直接打开该地址生成三角剖分效果。

如何确认成功

浏览器演示页能正常生成三角剖分效果,或本地按 README 构建出的工具能输出 SVG/PNG 结果文件。

常见问题

Q:多大的图片处理效果最好?

A:README 建议图片小于 3000px、点数少于 3000,通常几分钟内即可得到较优结果。

Q:不想安装能在浏览器里试吗?

A:可以,README 提供了网页版演示 https://rh12503.github.io/triangula/ ,直接打开即可试用算法。

Q:算法原理在哪里看?

A:README 指向 wiki 中的 Explanation of the algorithm 页面,可查看遗传算法与三角剖分的完整说明。

Q:能输出哪些格式?

A:项目可生成 SVG 和 PNG 两种格式的结果图像。

注意事项

  • README 节选在 Install 处被截断,未提供具体安装命令,请以仓库最新 README 为准。
  • 步骤中的命令仅为通用准备动作(克隆仓库、确认 Go 环境),不代表官方推荐的构建方式。
  • 在线演示只能体验算法效果,README 提到桌面应用另有其功能。

核心亮点

  • 基于遗传算法自动优化,生成效果比随机三角剖分更接近原图
  • 支持 SVG 矢量输出,可无限缩放不失真,便于后续编辑
  • 提供 Web 在线演示,无需安装即可体验,降低使用门槛

不足之处

  • 参数调整需要一定学习成本,新手可能难以快速获得理想效果
  • 文档/社区待观察

适用场景

  • 设计师快速生成低多边形风格插画或海报素材
  • 开发者集成到图像处理流程,批量生成风格化图片
  • 艺术爱好者探索算法生成艺术,用于个人创作

替代项目

TriangulateImage、Low Poly Generator、Delaunay Triangulation

上一篇:studio

下一篇:covers

同类项目推荐

VPGen 开源

把文字指令拆成视觉步骤,生成更准、可评估的图片

Visual Programming for Text-to-Image Generation and Evaluation (NeurIPS 2023)

★ 57 2026-08-09
GALIP 开源

更快更小的文生图模型,大规模训练不妥协

[CVPR2023] A faster, smaller, and better text-to-image model for large-scale trainin···

★ 251 2026-08-09
ComfyUI-InstantID 开源

在 ComfyUI 中一键实现单图身份保持的人像生成

Unofficial implementation of InstantID for ComfyUI

★ 1441 2026-08-09
StabilityMatrix 开源

一站式管理 Stable Diffusion 环境与模型,告别命令行折腾

Multi-Platform Package Manager for Stable Diffusion

★ 9002 2026-08-09
CogView4 开源

中文海报文字精准渲染,高分辨率图像一键生成

CogView4, CogView3-Plus and CogView3(ECCV 2024)

★ 1099 2026-08-09
OnnxStack 开源

在 .NET 中直接跑 Stable Diffusion,无需 Python 环境

C# Stable Diffusion using ONNX Runtime

★ 238 2026-08-09
stable-diffusion.cpp 开源

环境都不用配,一个文件直接本地出图

Diffusion model(SD,Flux,Wan,Qwen Image,Z-Image,...) inference in pure C/C++

★ 7953 2026-08-09