1. 环境准备
首先，确保你已经安装了所需的库：
pip install opencv-python ultralytics
2. 加载模型
加载 SAM 模型的代码如下：
from ultralytics import FastSAM
from ultralytics import SAMmodel = FastSAM("FastSAM-s.pt") #使用fastsam
#model = SAM("FastSAM-s.pt") #使用sam
3. 图像分割
通过模型对输入图像进行分割，并保存结果：
results = model("/media/lindsay/data/ultralytics-main/sam.jpg", save=True)
for r in results:print(f"Detected {len(r.masks)} masks")
4. 提取掩码数据
接下来，我们提取掩码数据，并将其转换为 NumPy 数组，便于后续处理：
masks = results[0].masks.data.cpu().numpy()
5. 保存和显示掩码
我们可以迭代每个掩码，保存为图像文件，并选择性地在窗口中显示：
import cv2for index in range(len(masks)):mask_image = (masks[index] * 255).astype('uint8')cv2.imwrite(f"mask_image_{index}.png", mask_image)
6. 完整代码
将以上步骤整合在一起，完整代码如下：
import cv2
from ultralytics import FastSAM# Load model
model = FastSAM("FastSAM-s.pt")# Segment with point prompt
results = model("/media/lindsay/data/ultralytics-main/sam.jpg", save=True)
for r in results:print(f"Detected {len(r.masks)} masks")# Extract and save masks
masks = results[0].masks.data.cpu().numpy()
for index in range(len(masks)):mask_image = (masks[index] * 255).astype('uint8')cv2.imwrite(f"mask_image_{index}.png", mask_image)
