# color_analyse

**Repository Path**: ryanzi/color_analyse

## Basic Information

- **Project Name**: color_analyse
- **Description**: 畲族服饰色彩提取
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2025-05-17
- **Last Updated**: 2025-06-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 畲族服饰图像标定工具 (She Ethnic Costume Annotator)

> 更新时间：2024-06-03

本工具用于对畲族服饰图像进行标定，支持通过点击、分割与掩码绘制方式进行区域主色提取与保存。系统集成了智能分割、掩码编辑、历史记录管理等功能，方便用户进行精确的色彩分析。最终输出 RLE 压缩的 JSON 标注信息，便于后续的图像分析与主色统计工作，为畲族服饰数字化保护与研究提供专业工具支持。

---

## ✨ 功能特性

| 功能             | 描述                                          |
| ---------------- | --------------------------------------------- |
| ✅ 打开图片      | 支持 `.jpg`, `.png`, `.bmp` 等图像格式加载    |
| ✅ 缩放拖动      | 鼠标滚轮缩放、鼠标拖动移动图像                |
| ✅ AI 分割       | 通过添加前景点和背景点触发智能分割            |
| ✅ 手动修改      | 支持手动增加或擦除掩码区域进行精细调整        |
| ✅ 掩码显示切换  | 可通过右侧 ✔/✖ 控制各掩码显示状态             |
| ✅ 主色 RGB 编辑 | 右侧表格可编辑 R/G/B 数值，并实时更新显示颜色 |
| ✅ 撤销与重做    | Ctrl+Z 撤销、Ctrl+Y 重做掩码操作              |
| ✅ 标定保存      | 生成压缩后的 JSON 文件，记录主色与掩码        |
| ✅ 自动加载      | 再次打开图片时会自动加载对应的标定记录        |
| ✅ 历史记录      | 保存标定历史快照，支持查看和恢复之前的版本    |
| ✅ 数据保护      | 未保存修改关闭时自动提示，防止数据丢失        |

---

## 📦 安装依赖

推荐使用 Conda 创建虚拟环境：

```bash
conda create -n shezu python=3.12
conda activate shezu
pip install -r requirements.txt
```

---

## 🚀 启动方式

```bash
python src/color_annotator/main.py
```

---

## 🗂 项目结构

```
project_root/
├── src/
│   └── color_annotator/
│       ├── gui/
│       │   ├── main_window.py     ← 主窗口UI实现
│       │   ├── image_viewer.py    ← 图像查看器组件
│       │   ├── ai_segmentation.py ← AI分割面板
│       │   ├── history_dialog.py  ← 历史记录对话框
│       ├── sam_interface/
│       │   ├── sam_segmentor.py   ← SAM分割模型接口
│       ├── utils/
│       │   ├── sam_thread.py      ← 分割线程
│       │   ├── history_manager.py ← 历史记录管理器
│       │   ├── color_analyzer.py  ← 色彩分析工具
│       ├── training/              ← 模型训练相关代码
│       ├── advanced_training/     ← 高级训练方法
│       ├── tools/                 ← 工具函数
│       ├── main.py                ← 主程序入口
│       └── setup_models.py        ← 模型初始化配置
├── images/                        ← 原始图像文件目录
├── annotations/                   ← 标定结果（JSON）保存目录
├── checkpoints/                   ← 模型权重文件目录
├── test_images/                   ← 测试图像目录
├── test_results/                  ← 测试结果目录
├── improved_results/              ← 优化后的结果目录
├── read_images/                   ← README使用的示例图片
├── reference_images/              ← 参考图像目录
├── color_segmentation_dataset/    ← 颜色分割数据集
├── requirements.txt               ← 项目依赖
├── LICENSE                        ← 开源许可证
└── README.md                      ← 项目说明文档
```

---

## 🧾 JSON 标定数据格式示例（压缩 RLE）

```json
{
  "masks": {
    "mask_0": {
      "color": [163, 57, 76],
      "visible": true,
      "editable": false,
      "size": [512, 512],
      "rle": [
        [32000, 12],
        [45678, 9]
      ]
    }
  }
}
```

---

## 🧾 使用说明

### 界面

![img_1.png](read_images/img_1.png)
支持手动拖拽、鼠标滚轮缩放图片

### 步骤

#### 手工 AI 分割

1、双击左键添加前景点；Ctrl+单击左键添加背景点（前景点为绿色；背景点为红色）
![img_2.png](read_images/img_2.png)

2、支持 ctrl+X、ctrl+Y 撤销前景背景点

3、点击执行分割
![img_3.png](read_images/img_3.png)

#### 人工微调修改

**增加掩码**
![img_4.png](read_images/img_4.png)
**擦除掩码**
![img_5.png](read_images/img_5.png)
**支持撤销**

Ctrl+Z 撤销；Ctrl+Y 恢复操作

**清除标注**

一键清除绿色掩码

**保存标定**

![img_6.png](read_images/img_6.png)
支持修改、删除、显示、调整 RGB 主色参数

点击主色块弹出颜色调节窗口
![img_7.png](read_images/img_7.png)

**修改**
![img_8.png](read_images/img_8.png)
修改完成后点击保存标定保存修改

**保存标定**

点击保存数据，会将标定数据按照文件名保存为对应的标定 JSON 文件

#### 历史记录功能

**查看历史记录**

按 F3 键或点击顶部工具栏上的"历史记录"按钮，打开历史记录对话框。
系统会自动保存您的标定历史，便于回溯和恢复。

**历史快照**

每次保存标定时，系统会自动创建一个带有时间戳的历史快照。
您可以在历史记录对话框中查看所有快照的预览图和创建时间。

**恢复历史版本**

在历史记录对话框中选择想要恢复的快照，点击"恢复"按钮即可将标定状态恢复到该快照时的状态。
这对于恢复误操作或比较不同标定效果非常有用。

**未保存提醒**

当有未保存的修改（包括删除标定）时，关闭程序会自动提示是否保存，防止意外丢失标定数据。

#### AI 分割

支持一键完成分割标定，对服饰进行色彩分析提取，模型训练 ing...

### 模型训练

将对应的 json 文件，生成对应的掩码图像
![img_9.png](read_images/img_9.png)

提取样本库主色供给模型参考
![img_10.png](read_images/img_10.png)

由于样本太少，目前仅仅围绕小样本和数据增强展开，效果不佳
![img_11.png](read_images/img_11.png)