# shukeng

**Repository Path**: bigapple331/shukeng

## Basic Information

- **Project Name**: shukeng
- **Description**: 基于ODM和YOLT的树坑识别前后端
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-28
- **Last Updated**: 2025-10-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Shukeng 项目文档

## 项目简介
Shukeng 是一个用于图像处理和目标检测的项目，主要功能包括图像切片、预测绘制、坐标转换、非极大值抑制（NMS）等。该项目还提供了一个基于 Flask 的 Web 接口，用于处理正射影像、检测任务和编辑检测结果。

## 主要功能模块

### 图像处理工具 (`biaozhu/utils`)
- **`slice_image`**: 将大图像分割为指定大小的小图像块，支持重叠区域设置。
- **`convert_coordinates`**: 将 YOLOv8 检测结果的坐标转换为原始图像坐标。
- **`draw_predictions_on_image`**: 在图像上绘制检测结果。
- **`apply_nms`**: 对检测结果应用非极大值抑制，去除重复检测框。

### Web 服务 (`porting/app`)
- **Flask 应用**: 使用 `create_app` 创建 Flask 应用，提供 RESTful API 接口。
- **正射影像处理**: 提供创建项目、检查任务状态、获取任务结果等接口。
- **检测服务**: 提供检测任务的创建、状态检查、结果获取等接口。
- **编辑服务**: 提供合并编辑结果、检查合并状态等接口。

### 服务模块 (`porting/app/services`)
- **`SliceService`**: 图像切片服务，用于将正射影像分割为小图像块。
- **`InferenceService`**: 推理服务，用于执行检测任务。
- **`MergeService`**: 合并服务，用于将检测结果合并到原始图像上。
- **`ODMService`**: ODM（Open Drone Map）服务，用于处理无人机图像生成正射影像。

### 前端 (`porting/frontend`)
- **`index.html`**: 主页面，提供用户界面，支持正射影像、检测和编辑功能。
- **`app.py`**: Flask 前端路由，提供页面渲染功能。
- **`handlers.js`**: JavaScript 处理器，用于处理用户交互和 API 请求。
- **`status.js`**: 任务状态管理，用于轮询和更新任务状态。
- **`utils.js`**: 工具函数，用于按钮状态管理、任务信息存储等。

## 安装与运行

### 依赖安装
确保已安装以下依赖：
- Python 3.x
- Flask
- OpenCV
- NumPy
- YOLOv8 模型文件

```bash
pip install flask opencv-python numpy
```

### 运行项目
1. **启动服务**:
   ```bash
   python porting/app.py
   ```
   或使用提供的 `run.bat` 脚本。

2. **访问前端**:
   打开浏览器，访问 `http://localhost:5000`。

## 使用说明

### 图像切片
使用 `slice_image` 函数将大图像分割为小图像块：
```python
from biaozhu.utils.slice_images import slice_image

slice_image(
    image_path="path/to/image.tif",
    preject_name="project1",
    out_dir_all_images="path/to/output",
    sliceHeight=416,
    sliceWidth=416,
    overlap=0.1,
    slice_sep="_",
    overwrite=False,
    out_ext=".png"
)
```

### 检测与绘制
使用 `convert_coordinates` 和 `draw_predictions_on_image` 处理检测结果：
```python
from biaozhu.utils.convert_coordinates import convert_coordinates
from biaozhu.utils.draw_pred_on_onr_img import draw_predictions_on_image

# 转换坐标
convert_coordinates(
    txt_label_path="path/to/labels",
    output_file_dir="path/to/output",
    iou_threshold=0.45,
    confidence_threshold=0.25,
    area_weight=0.5,
    slice_sep="_"
)

# 绘制检测结果
draw_predictions_on_image(
    image_path="path/to/image.png",
    results_file_path="path/to/results.txt",
    class_labels=[0, 1, 2],
    class_names=["tree", "car", "building"],
    completed_output_path="path/to/output_image.png"
)
```

### 非极大值抑制 (NMS)
使用 `apply_nms` 函数去除重复检测框：
```python
from biaozhu.utils.n_cls_nms_plus import apply_nms

# 假设 detections 是检测结果列表
nms_detections = apply_nms(
    detections,
    iou_threshold=0.45,
    confidence_threshold=0.25,
    area_weight=0.5
)
```

### Web API 使用
#### 创建正射影像项目
```http
POST /projects
Content-Type: application/json

{
    "name": "project1",
    "images": ["image1.jpg", "image2.jpg"]
}
```

#### 提交检测任务
```http
POST /detect
Content-Type: application/json

{
    "image_path": "path/to/image",
    "slice_params": {
        "sliceHeight": 416,
        "sliceWidth": 416,
        "overlap": 0.1
    },
    "infer_params": {
        "iou_threshold": 0.45,
        "confidence_threshold": 0.25
    }
}
```

#### 获取任务状态
```http
GET /tasks/{task_id}/status
```

#### 获取任务结果
```http
GET /tasks/{task_id}/results
```

## 贡献指南
欢迎贡献代码和改进文档。请遵循以下步骤：
1. Fork 仓库
2. 创建新分支
3. 提交更改
4. 发起 Pull Request

## 许可证
本项目使用 MIT 许可证。详情请查看 `LICENSE.txt` 文件。