image_shape_filter
图像形状过滤器。过滤器保持样品的图像形状 (w，h) 在特定范围内。 本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到图像尺寸过滤、图片宽高筛选、图像分辨率过滤、按图片大小过滤、图像形状限制等需求时使用此skill。
SKILL.mdworkspace/skills/image_shape_filter/SKILL.md
GitHub功能概述
该算子用于过滤图像尺寸（宽度和高度）在指定范围内的样本。支持多种过滤策略：
any: 任意一张图像符合条件即保留all: 所有图像都符合条件才保留
核心参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| input_path | string | 是 | - | 输入数据文件路径 (JSON/JSONL格式) |
| output_path | string | 是 | - | 输出数据文件路径 (JSONL格式) |
| min_width | int | 否 | 1 | 最小图像宽度 |
| max_width | int | 否 | 2147483647 | 最大图像宽度 |
| min_height | int | 否 | 1 | 最小图像高度 |
| max_height | int | 否 | 2147483647 | 最大图像高度 |
| any_or_all | string | 否 | 'any' | 过滤策略：'any' 或 'all' |
| num_proc | int | 否 | 1 | 并行处理的进程数 |
输入数据格式
输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 images 字段：
{"images": ["/path/to/image1.jpg", "/path/to/image2.jpg"]}
输出数据格式
输出为 JSONL 格式，每行一个符合条件的样本。
使用示例
命令行调用
python scripts/run_image_shape_filter.py \
--input_path /path/to/input.jsonl \
--output_path /path/to/output.jsonl \
--min_width 400 \
--min_height 400 \
--any_or_all any
参数说明
--input_path: 输入文件路径--output_path: 输出文件路径--min_width: 最小图像宽度（默认1）--max_width: 最大图像宽度（默认无限）--min_height: 最小图像高度（默认1）--max_height: 最大图像高度（默认无限）--any_or_all: 过滤策略，默认any--num_proc: 并行进程数，默认1
注意事项
- 输入文件中的图像路径应为有效且可访问的文件路径
- 该算子使用 PIL/Pillow 读取图像尺寸，无需加载模型
- 处理大量数据时可适当增加 num_proc 提高效率