txtp yolo点选模型py

a121400

from ultralytics import YOLO
from pathlib import Path
from PIL import Image, ImageDraw, ImageFont

# 加载模型（如报错请先安装ultralytics: pip install ultralytics）
model = YOLO('best.pt')  # 用Ultralytics的YOLO类加载

# 输入图片文件夹
img_dir = Path('images')  # 你的图片目录，注意路径前加r或用双斜杠
img_files = list(img_dir.glob('*.jpg')) + list(img_dir.glob('*.png')) + list(img_dir.glob('*.bmp'))

# 输出结果文件夹（图片）
output_img_dir = Path('output_img')
output_img_dir.mkdir(exist_ok=True)

for img_path in img_files:
    results = model(img_path)
    for r in results:
        if hasattr(r, 'boxes') and r.boxes is not None and len(r.boxes) > 0:
            # 提取所有目标的中心点坐标、框、分类名
            all_targets = []  # [(cx, cy, idx, [x1, y1, x2, y2], class_id)]
            for idx, box in enumerate(r.boxes):
                x1, y1, x2, y2 = box.xyxy[0].tolist()
                cx = (x1 + x2) / 2
                cy = (y1 + y2) / 2
                class_id = int(box.cls[0].item()) if hasattr(box, 'cls') else -1
                all_targets.append((cx, cy, idx, [x1, y1, x2, y2], class_id))
            # 取y最大的3个（最下面的3个），按x从小到大排序
            bottom3 = sorted(all_targets, key=lambda x: -x[1])[:3
            bottom3 = sorted(bottom3, key=lambda x: x[0])
            # 对每个bottom3，找上方且分类id相同且x最接近的目标
            matched_top = []
            used_top_idx = set()
            for b in bottom3:
                bx, by, bidx, bbox, bcls = b
                # 在所有上方且分类id相同且未被匹配过的目标中找x最接近的
                candidates = [t for t in all_targets if t[1 < by and t[4 == bcls and t[2 not in used_top_idx
                if not candidates:
                    continue
                best_top = min(candidates, key=lambda t: abs(t[0 - bx))
                matched_top.append(best_top)
                used_top_idx.add(best_top[2])
            # 画框和数字
            img_with_boxes = r.plot()
            img_pil = Image.fromarray(img_with_boxes)
            draw = ImageDraw.Draw(img_pil)
            try:
                font = ImageFont.truetype("arial.ttf", 32)
            except:
                font = None
            for i, (cx, cy, idx, (x1, y1, x2, y2), class_id) in enumerate(matched_top):
                label = f"{i+1}"
                draw.text((x1, y1-30), label, fill=(0,0,255), font=font)
            output_img_path = output_img_dir / img_path.name
            img_pil.save(output_img_path)
            print(f"{img_path.name} 检测结果图片已保存到 {output_img_path}")






接口代码


from ultralytics import YOLO
from flask import Flask, request, jsonify
import base64
import tempfile
import os

# 加载模型（只加载一次，避免多次加载）
model = YOLO('best.pt')

def get_matched_points(img_path):
    """
    输入图片路径，返回匹配到的3个点的中心坐标 [(cx1, cy1), (cx2, cy2), (cx3, cy3)]
    若未检测到3个点，返回空列表
    """
    results = model(img_path)
    for r in results:
        if hasattr(r, 'boxes') and r.boxes is not None and len(r.boxes) > 0:
            all_targets = []  # [(cx, cy, idx, [x1, y1, x2, y2], class_id)]
            for idx, box in enumerate(r.boxes):
                x1, y1, x2, y2 = box.xyxy[0].tolist()
                cx = (x1 + x2) / 2
                cy = (y1 + y2) / 2
                class_id = int(box.cls[0].item()) if hasattr(box, 'cls') else -1
                all_targets.append((cx, cy, idx, [x1, y1, x2, y2], class_id))
            bottom3 = sorted(all_targets, key=lambda x: -x[1])[:3
            bottom3 = sorted(bottom3, key=lambda x: x[0])
            matched_top = []
            used_top_idx = set()
            for b in bottom3:
                bx, by, bidx, bbox, bcls = b
                candidates = [t for t in all_targets if t[1 < by and t[4 == bcls and t[2 not in used_top_idx
                if not candidates:
                    continue
                best_top = min(candidates, key=lambda t: abs(t[0 - bx))
                matched_top.append(best_top)
                used_top_idx.add(best_top[2])
            if len(matched_top) == 3:
                return [(int(cx), int(cy)) for (cx, cy, *_ ) in matched_top
    return []  # 未检测到3个点

app = Flask(__name__)

@app.route('/get_points', methods=['POST'])
def get_points():
    data = request.get_json()
    img_base64 = data.get('img_base64', '')
    if not img_base64:
        return jsonify({'error': 'No img_base64 provided'}), 400
    # 解码base64并保存为临时文件
    try:
        img_bytes = base64.b64decode(img_base64)
        with tempfile.NamedTemporaryFile(delete=False, suffix='.bmp') as tmp_file:
            tmp_file.write(img_bytes)
            tmp_img_path = tmp_file.name
        points = get_matched_points(tmp_img_path)
        os.remove(tmp_img_path)
        return jsonify({'points': points})
    except Exception as e:
        return jsonify({'error': str(e)}), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=1214, debug=True)
测试代码
import requests
import base64

# 读取本地图片并编码为base64
with open("images/00ad74af33c2700b5db5b7bf6adbddf9.bmp", "rb") as f:
    img_base64 = base64.b64encode(f.read()).decode()

# 构造请求数据
data = {
    "img_base64": img_base64
}

# 发送POST请求
response = requests.post("http://127.0.0.1:1214/get_points", json=data)

# 输出返回结果
print(response.json())







模型下载地址：[color=rgba(0, 0, 0, 0.85)]https://www.123865.com/s/oY0iVv-WXqyh

a121400

.pt onnx ncnn 三种模型都打包了 自取

章若楠

这是谁的部将

a121400

.pt onnx ncnn 三种模型都打包了 自取

wdh1991

666666666666666 不转 onnx 模型

mgfz

支持一下。

一指温柔

感谢分享

gzj888

在分享个tx点选的算法，哈哈哈哈

小伟哥xw

加油！努力学习！

艾玛克138

加油！努力学习！