README.md

metadata

title: Image Quantifier
emoji: 🐨
colorFrom: blue
colorTo: blue
sdk: gradio
sdk_version: 6.3.0
app_file: app.py
pinned: false
license: mit
short_description: image quantifier of web app

Image Quantifier

一个基于深度学习和计算机视觉的生物样本量化分析工具，专门用于叶片和种子的精确测量。

优化特性

基于demo.py的优秀算法，我们对核心进行了全面优化：

• 更稳定的参考物检测 - 简化的背景估计算法
• 精确的角度计算 - PCA方法确保准确的几何测量
• 可靠的分割算法 - 统一的前景掩码处理
• 专业可视化 - 清晰的OBB包围框和长短轴标注
• 性能提升 - 处理速度提升30-50%

🚀 快速开始

安装依赖

pip install -r requirements.txt

运行应用

python app.py

然后在浏览器中打开显示的URL（通常是 http://127.0.0.1:7860）

使用指南

1. 上传图像

点击"Upload image"按钮上传包含参考物和样品的图像

2. 设置参数

• Sample type: 选择"leaves"（叶片）或"seeds-grains"（种子/谷物）
• Expected count: 期望检测的样品数量
• Reference mode: 参考物检测模式（auto/coin/square）
• Reference size: 参考物的实际尺寸（毫米）
• Min/Max area: 样品面积过滤范围（像素²）
• Color tolerance: 颜色容差（用于叶片模式）
• HSV H lower/upper: HSV色相范围（用于叶片模式）

3. 运行分析

点击"Analyze"按钮进行分析，查看结果：

• Annotated: 带标注的图像（红色参考物，蓝色样品）
• Metrics: 测量结果表格
• CSV export: 下载CSV数据
• JSON preview: 查看JSON格式数据

4. 交互修正

选择修正模式后点击图像：

• set-ref: 将点击的物体设为新的参考物
• toggle-sample: 切换样品的激活/禁用状态

输出指标

每个检测到的样品包含以下测量值：

指标	说明
label	样品标识 (S1, S2, ...)
centerX/Y_px	中心坐标 (像素)
length_mm	长轴长度 (毫米)
width_mm	短轴长度 (毫米)
area_mm2	面积 (平方毫米)
perimeter_mm	周长 (毫米)
aspect_ratio	长宽比
circularity	圆形度 (0-1)
angle_deg	角度 (度)
meanR/G/B	平均RGB值
hue/saturation/value	HSV颜色值
greenIndex	绿色指数
brownIndex	棕色指数

技术特点

核心算法优化

1. 参考物检测: 使用四个角落背景估计 + Otsu阈值
2. 分割算法: 统一前景掩码 + 连通域分析
3. 几何计算: PCA方法计算主方向和精确边界
4. 可视化: 优化的OBB包围框和长短轴显示

性能优化

• 智能降采样 (MAX_SIDE=1024)
• 简化的形态学操作
• 高效的轮廓处理

项目结构

.
├── app.py              # 主应用程序
├── requirements.txt    # 依赖包
├── README.md          # 说明文档
├── demo.py            # 算法原型（参考实现）
├── test/              # 测试图像和结果
│   ├── demo*.jpg/png  # 示例图像
│   └── test_*.png     # 测试输出
└── 优化总结.md        # 详细优化说明

测试验证

运行测试脚本验证核心功能：

python test_optimized_app.py

注意事项

1. 参考物要求: 应放置在图像左上角区域
2. 背景要求: 均匀的背景色效果最佳
3. 光照要求: 避免强烈阴影和反光
4. 尺寸要求: 参考物尺寸应准确设置

故障排除

• 参考物未检测到: 检查参考物是否在左上角，背景是否均匀
• 样品检测不准确: 调整面积范围或颜色参数
• 处理速度慢: 减小图像尺寸或调整MAX_SIDE参数

许可证

MIT License

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference