Python 適用的互動式圖片區隔指南

MediaPipe 互動式圖像分割工具工作接收圖片中的位置，然後估算然後將該物件的區隔以圖片形式傳回資料。這些指示將說明如何使用互動式圖片區隔工具搭配 Python 語言。進一步瞭解功能、模型和設定請參閱總覽。

程式碼範例

「互動式圖像區隔」的範例程式碼提供了您執行相關作業這個程式碼可協助您測試這項工作即可開始建立自己的互動式圖片分割應用程式你可以查看、執行及編輯互動式圖片區隔工具程式碼範例只要使用網路瀏覽器即可。

設定

本節說明設定開發環境的重要步驟，以及專門使用互動式影像分割器的程式碼專案如需設定開發環境以使用 MediaPipe 工作，包括：平台版本需求，請參閱 Python 設定指南。您可以查看本範例的原始碼 GitHub

套件

MediaPipe 互動式影像分割器工作需要 mediapipe 套件。如要安裝附加必要的依附元件：

$ python -m pip install mediapipe

匯入

匯入下列類別以存取互動式圖像區隔工具工作函式：

import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision

型號

MediaPipe 互動式圖像區隔工具工作需要經過訓練且與此模型相容的模型。工作。如要進一步瞭解互動式圖像區隔工具可用的已訓練模型，請參閱：工作總覽的「Models」(模型) 區段。

選取並下載模型，然後將模型儲存在專案目錄中：

model_path = '/absolute/path/to/model.tflite'

在 model_asset_path 參數中指定模型的路徑，如下所示如下：

base_options = BaseOptions(model_asset_path=model_path)

建立工作

MediaPipe 互動式圖像區隔工具工作會使用 create_from_options 函式來設定工作。create_from_options 函式接受值來處理設定選項進一步瞭解設定選項，請參閱設定選項。下列程式碼示範如何建構及設定這項工作。

BaseOptions = mp.tasks.BaseOptions
InteractiveSegmenter = mp.tasks.vision.InteractiveSegmenter
InteractiveSegmenterOptions = mp.tasks.vision.InteractiveSegmenterOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a image segmenter instance with the image mode:
options = InteractiveSegmenterOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.IMAGE,
    output_type=InteractiveSegmenterOptions.OutputType.CATEGORY_MASK)
with InteractiveSegmenter.create_from_options(options) as segmenter:
# segmenter is initialized and ready to use

output_category_mask 如果設為 True，則輸出結果會包含區隔遮罩視為 uint8 圖片，其中每個像素值都表示像素是否屬於位於感興趣的區域。 {True, False} False output_confidence_masks 如果設為 True，則輸出結果會包含區隔遮罩視為浮點值圖片，其中各浮點值代表信心值表示該像素屬於物件的一部分。 {True, False} True display_names_locale 設定標籤語言，供工作模型的中繼資料 (如有)。以下項目的預設值為 en：英語。您可以在自訂模型的中繼資料中加入經本地化的標籤使用 TensorFlow Lite Metadata Writer API 語言代碼 en

準備資料

準備輸入圖片檔案或 numpy 陣列然後將其轉換為 mediapipe.Image 物件

# Load the input image from an image file.
mp_image = mp.Image.create_from_file('/path/to/image')

# Load the input image from a numpy array.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)

RegionOfInterest = vision.InteractiveSegmenterRegionOfInterest
# Perform image segmentation on the provided single image.
# The image segmenter must be created with the image mode.
roi = RegionOfInterest(format=RegionOfInterest.Format.KEYPOINT,
                          keypoint=NormalizedKeypoint(x, y))
segmented_masks = segmenter.segment(mp_image, roi)