Supervision项目中的图像标注工具支持多种图像格式输入
2025-05-07 00:57:35作者:尤辰城Agatha
在计算机视觉领域,图像标注是一个基础而重要的任务。Supervision作为一个功能强大的计算机视觉工具库,近期对其图像标注功能进行了重要升级,使其能够同时支持NumPy数组和PIL图像作为输入格式,大大提升了开发者的使用体验。
背景与需求
传统上,Supervision的标注工具(如边界框标注器)仅接受NumPy数组格式的图像输入。然而,在实际开发中,许多流行的工具和框架(如Gradio、Transformers、MMDetection等)默认使用PIL库处理图像。这导致开发者在集成不同工具时需要频繁进行图像格式转换,增加了代码复杂度和出错概率。
技术实现方案
Supervision团队采用了巧妙的设计思路来解决这一问题:
- 输入格式自动识别:标注器现在能够自动检测输入图像是NumPy数组还是PIL图像对象
- 内部统一处理:无论输入格式如何,内部都统一转换为OpenCV兼容的NumPy数组进行处理
- 输出格式匹配:处理完成后,将结果转换回与输入相同的格式输出
这种设计既保持了原有OpenCV绘图的高效性,又提供了更友好的API接口。
使用示例
升级后的标注器使用起来更加简洁直观。以下是新旧使用方式的对比:
# 旧方式(需要手动转换)
image = np.array(image) # PIL转NumPy
image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) # 颜色空间转换
image = bounding_box_annotator.annotate(image, detections)
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 颜色空间转换回
image = Image.fromarray(image) # NumPy转PIL
# 新方式(自动处理)
image = bounding_box_annotator.annotate(image, detections) # 直接传入PIL图像
技术细节
在实现层面,主要解决了几个关键问题:
- 颜色空间处理:OpenCV默认使用BGR格式,而PIL使用RGB格式,需要自动转换
- 内存效率:避免不必要的图像数据拷贝,保持高性能
- API一致性:确保所有标注器(边界框、掩码、标签等)都支持这一特性
影响与意义
这一改进对开发者社区带来了多重好处:
- 降低集成难度:更容易与其他流行框架配合使用
- 减少样板代码:消除重复的格式转换逻辑
- 提高代码可读性:使业务逻辑更加清晰
- 保持性能:内部仍使用优化的OpenCV实现
Supervision的这一改进体现了其对开发者体验的重视,通过精心设计的API抽象,既保持了底层的高性能,又提供了上层的易用性,是计算机视觉工具库设计的一个优秀范例。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
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~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly is a text-to-audio generation model based on the LDM architecture. It produces high-fidelity sounds at 44.1 kHz sampling rate with strong alignment to text prompts, suitable for sound effects, music, and multi-event audio synthesis tasks.Python00- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile08
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
148
1.95 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (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
931
555

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

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
980
395

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

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
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
515