### 使用 SAM 库的相关说明 SAM 是一种用于图像分割的强大工具，其功能可以通过命令行参数传递额外的信息来实现特定的需求。例如，在 `rembg` 工具中支持通过 `-m sam` 参数调用 SAM 模型进行背景移除操作，并允许自定义提示信息以提高分割精度。 以下是关于如何使用 SAM 库的具体方法： #### 命令行示例 可以利用如下命令完成带有自定义点提示的背景移除任务： ```bash rembg i -m sam -x '{ "sam_prompt": [{"type": "point", "data": [724, 740], "label": 1}] }' examples/plants-1.jpg examples/plants-1.out.png ``` 上述命令中的关键部分在于 `-x` 参数，它接受 JSON 格式的字符串作为输入，指定 SAM 的提示信息。这里的 `"type": "point"` 表明我们提供的是一个点类型的提示；`"data": [724, 740]` 定义了这个点在图片上的坐标位置；而 `"label": 1` 则表示这是一个前景点提示[^3]。 如果需要加载自定义模型，则可通过类似的命令结构设置路径选项： ```bash rembg i -m u2net_custom -x '{"model_path": "~/.u2net/u2net.onnx"}' path/to/input.png path/to/output.png ``` #### Python 接口简介 除了命令行方式外，还可以借助 Python API 来更灵活地控制 SAM 的行为。通常情况下，开发者会先安装对应的库版本（确保兼容 Python 3），然后按照官方文档指导编写脚本来集成到自己的项目里[^5]。 下面是一个简单的伪代码片段展示可能的操作流程： ```python from segment_anything import SamPredictor, sam_model_registry import cv2 def run_sam(image_path, point_coords, point_labels): device = "cuda" # 加载预训练模型 sam_checkpoint = "./sam_vit_h_4b8939.pth" model_type = "default" sam = sam_model_registry[model_type](checkpoint=sam_checkpoint).to(device=device) predictor = SamPredictor(sam) image = cv2.imread(image_path) image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) predictor.set_image(image) masks, scores, logits = predictor.predict( point_coords=point_coords, point_labels=point_labels, multimask_output=True, ) return masks, scores, logits ``` 此函数接收三个主要参数：目标图片的位置、一系列点坐标的数组以及这些点所属类别的标签向量。最终返回预测得到的掩码集合及其置信度得分等数据。 ---