文小言图片信息怎么做对比分析

要对文小言生成的图片信息做对比分析，光靠肉眼观察或者截图比对可不够——得先想办法把图片原始数据从文档里完整提取出来，再还原它在原文中的位置和上下文关系。下面这套方法，既适合单次操作，也能应对批量处理。

从Word中准确提取文小言插入的图片

1. 确保Word文档已关闭，没有被任何程序占用。
2. 右键文件→重命名为xxx.zip，确认扩展名已更改成功。
3. 双击打开压缩包，进入word/media/目录——文小言插入的图片默认存放在这里，命名如image1.png、image2.jpg等。
4. 全选复制所有图片到新文件夹，按创建时间排序可以大致还原插入顺序。

用python-docx配合自定义解析逻辑：调用get_picture(document, paragraph)函数逐段扫描，识别pic:pic节点下的a:blip/@r:embed关系ID，然后通过document.part.related_parts[embed].image.blob直接获取原始字节流。
这一步能绕过渲染失真，拿到文小言输出时未经Word自动压缩的原始图像数据。

提取后图片的结构化比对路径

用exiftool或Python的PIL.Image.open().info读取每张图的宽高、DPI、色彩模式、创建时间戳。文小言同一提示词多次生成的图片，如果尺寸或位深度不一致，说明后端模型采样存在波动。

对每张图计算phash值：
① 转灰度 → ② 缩放至8×8 → ③ DCT变换取左上8×8低频 → ④ 二值化生成64位指纹。
两图phash汉明距离≤5视为视觉近似；≥15则表明构图或主体有实质性差异。

对图片运行高精度OCR（如PaddleOCR），提取图中所有可读文字；将结果与文小言原始输入提示词中的关键词、数字、单位做子串匹配。假设OCR返回“发片金额：¥8,500.00”，而提示词写的是“¥8500”，说明模型自行添加了千分位符和小数位——这是典型幻觉信号。

图文上下文一致性检查

打开原始Word文档，定位每张图片所在段落前后3行文字。
手动检查三类错位：
• 图片标题是否与紧邻的上一段落文字语义连贯（例如上文写“左侧为热力图”，但图实际是折线图）；
• 图片编号（图1/图2）是否在正文中被正确引用（搜索“见图”“如图所示”）；
• 表格内嵌图是否被误排到表格外、或跨页断裂。