实战：segment anything中的box如何输入

最近用SAM的时候，box输入踩了一些坑，不想看坑的看省流就好了。后面详细说有什么坑。

省流：

bbox输入是长度为4的数组

import numpy as np 

bbox = np.array([499,88,1002,956])
'''省略一些代码'''
masks, _, _ = predictor.predict(box=bbox, multimask_output=False)

分别代表左上右下两点的x y坐标。

box与原图其实有一个90度的差异，因此如果输入图像是Y X,则box坐标时[X0,Y0,X1,Y1]。

如果输入图像是X Y,则box坐标时[Y0,X0,Y1,X1]。

具体可以跳转自然图像部分的box可视化

目录

省流：

 踩坑自然图像

输入

最后成功分割出兔子

最后来看一看box可视化

医学图像

---

 踩坑自然图像

输入

我们按下面的设定，横轴为x轴，纵轴为y轴，

可以看到，读入的图片格式的 （y，x，channel）

 我用微信截图确定了兔子的坐标（微信截图，对的就是这么朴实无华）

无法截图微信截图的样子，大家自己试试把。反正结论是可以看到坐标是（X,Y）

bbox = np.array([499,88,1002,956])

记录下坐标，并输入。注意这里也是（X,Y,X,Y）。微信截图看到的也是(X,Y)。即位置的一一对应的。

最后成功分割出兔子

最后来看一看box可视化

可以看到就是旋转了90°的。bbox与原图就是对不上才能跑出结果。

医学图像

用Simpleitk读入的nii数据是Z Y X，每张切片都是Y X,与自然图像一致

因此按照上面的结论，bbox的坐标同样是对应的（X,Y,X,Y）

将第三维坐标X挪到前面第二维Y前面就好啦