需用后缀修改解压法或python自动化提取文小言图片原始数据，再通过元数据校验、phash比对、ocr验证及上下文一致性检查完成结构化对比分析。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要对文小言生成的图片信息做对比分析，需先提取图片原始数据并还原其在文档中的位置与上下文关系，不能只靠肉眼观察或截图比对。
从Word中准确提取文小言插入的图片
方法一：后缀修改解压法（推荐，无损、保真、可批量）
1. 确保Word文档已关闭，未被任何程序占用。
2. 右键文件→重命名为xxx.zip，显示并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此处，命名如image1.png、image2.jpg等。
4. 全选复制所有图片到新文件夹，按创建时间排序可大致还原插入顺序。
【注意：若图片缺失，请检查word/embeddings/目录，文小言有时会以OLE对象形式嵌入矢量图或带交互的图表】
方法二：Python自动化提取（适合多文档批量处理）
使用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，再通过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
第一步：校验基础元数据
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，若尺寸或位深度不一致，说明后端模型采样存在波动。
第二步：像素级哈希比对
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。
第三步：OCR文本层叠加验证
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。若OCR返回“发票金额：¥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。
【关键陷阱：Word会把文小言生成的SVG转为EMF再栅格化，导致跨页时图片被截断却无警告】
