X-AnyLabeling项目中基于SAM模型获取旋转框坐标的技术实现
2025-06-07 03:44:23作者:庞眉杨Will
背景介绍
X-AnyLabeling是一款先进的图像标注工具,它集成了多种计算机视觉模型来辅助标注工作。其中,Segment Anything Model(SAM)作为强大的图像分割模型,能够自动识别图像中的物体轮廓。在实际应用中,我们经常需要获取物体的旋转外接矩形而非简单的水平矩形框,这为后续的目标检测和识别任务提供了更精确的边界信息。
技术挑战
传统的水平矩形框标注存在以下局限性:
- 对于倾斜物体,水平框会包含过多背景区域
- 无法准确反映物体的实际朝向和姿态
- 在后续的检测任务中可能引入不必要的噪声
因此,开发能够自动计算带角度旋转外接矩形的功能具有重要意义。
解决方案
核心算法
通过OpenCV的minAreaRect函数可以获取最小外接旋转矩形,该函数返回:
- 矩形中心点坐标
- 矩形宽度和高度
- 旋转角度
然后使用boxPoints函数可以获取旋转矩形的四个角点坐标。为了确保角点顺序的一致性,需要对这些点进行排序处理。
角点排序算法
角点排序的核心思路是:
- 计算所有角点的中心坐标
- 计算每个角点相对于中心点的极角
- 按照极角大小进行排序
具体实现代码如下:
# 获取最小外接矩形
bounding_box = cv2.minAreaRect(contour)
corner_points = cv2.boxPoints(bounding_box)
# 计算中心点
cx, cy = np.mean(corner_points, axis=0)
# 按照左上、右上、右下、左下顺序排序
corner_points = sorted(corner_points,
key=lambda p: np.arctan2(p[1] - cy, p[0] - cx))
在X-AnyLabeling中的集成
在X-AnyLabeling项目中,这一功能被集成到SAM模型的输出处理模块中。当用户选择旋转框输出模式时,系统会自动执行以下步骤:
- 获取SAM模型预测的物体轮廓
- 计算最小旋转外接矩形
- 对矩形角点进行排序处理
- 生成标准的旋转框标注结果
技术优势
- 精确性:旋转框能更精确地贴合物体实际边界
- 一致性:排序后的角点顺序统一,便于后续处理
- 高效性:基于OpenCV的优化实现,计算速度快
- 兼容性:生成的旋转框格式与常见目标检测框架兼容
应用场景
这种旋转框标注技术特别适用于以下场景:
- 航拍图像中的车辆、建筑物检测
- 文档图像中的文字区域检测
- 工业检测中的零件定位
- 遥感图像中的地物识别
总结
X-AnyLabeling通过集成SAM模型和旋转框计算算法,为用户提供了更强大的图像标注能力。这一技术实现不仅提高了标注精度,也为后续的计算机视觉任务提供了更优质的基础数据。开发者可以根据实际需求,进一步调整角点排序策略或扩展旋转框的属性信息,以满足不同应用场景的需求。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K