像素标注工具

---

Linux/MAC	Windows	捐赠

一款允许您手动快速标注目录中图像的软件。这种方法被称为“伪手动”，因为它使用了 OpenCV 的 分水岭标记算法。其基本思路是：用户先用画笔手动标记区域，然后启动该算法。如果初次分割结果需要修正，用户可以在错误区域继续绘制新的标记以进行细化（如下面的视频所示）。

示例：

一位用户 (tenjumh) 使用 PixelAnnotationTools 的小示例：https://www.youtube.com/watch?v=tX-xcg5wY4U

---

构建依赖：

• Qt >= 5.x
• CMake >= 2.8.x
• OpenCV >= 2.4.x
• 对于 Windows 编译器：支持 Visual Studio >= 2015

如何构建，请前往 这里

下载二进制文件：

请访问发布 页面

捐赠：

如果您喜欢这款工具，请考虑捐赠！

捐赠非常简单且安全。请点击 这里 进行捐赠。

感谢您的支持！

您的捐赠将帮助我维护和更新 PixelAnnotationTool。

许可证：

GNU 较宽松通用公共许可证 v3.0

此 Copyleft 许可证的权限条件是，必须以相同许可证或 GNU GPLv3 许可证提供许可作品及其修改版本的完整源代码。版权和许可证声明必须予以保留。贡献者需明确授予专利权。然而，通过许可作品提供的接口使用该许可作品的更大作品，可以采用不同的条款进行分发，且无需提供该更大作品的源代码。

更多信息

引用：

  @MISC{Breheret:2017,
    author = {Amaury Br{\'e}h{\'e}ret},
    title = {{Pixel Annotation Tool}},
    howpublished = "\url{https://github.com/abreheret/PixelAnnotationTool}",
    year = {2017},
  }

PixelAnnotationTool 快速上手指南

PixelAnnotationTool 是一款基于 OpenCV 标记分水岭算法（Watershed Marked）的图像标注工具。它允许用户通过简单的画笔标记，快速生成像素级的语义分割掩码，特别适用于需要手动修正但追求效率的场景。

环境准备

在开始之前，请确保您的系统满足以下要求：

系统要求

• 操作系统：Linux, macOS 或 Windows
• 编译器（仅 Windows）：Visual Studio 2015 或更高版本

前置依赖

您需要安装以下核心库：

• Qt: 版本 >= 5.x
• CMake: 版本 >= 2.8.x
• OpenCV: 版本 >= 2.4.x

国内加速建议：

• Qt: 访问清华大学开源软件镜像站下载离线安装包。
• OpenCV: 可通过 pip install opencv-python (Python 绑定) 快速获取库文件，或从 Gitee 镜像下载源码编译。
• CMake: 建议使用包管理器安装（如 Linux 下的 apt/yum，macOS 下的 brew）。

安装步骤

您可以选择直接下载编译好的二进制文件（推荐），或从源码构建。

方式一：下载二进制文件（推荐）

直接访问项目的 Releases 页面 下载对应系统的最新版本压缩包，解压即可运行，无需配置开发环境。

方式二：源码构建

如果您需要自定义功能或上述二进制文件无法运行，请按以下步骤编译：

1. 克隆仓库：

   git clone https://github.com/abreheret/PixelAnnotationTool.git
   cd PixelAnnotationTool
   

2. 创建构建目录并配置 CMake：

   mkdir build
   cd build
   cmake ..
   

   注意：如果 Qt 或 OpenCV 未安装在默认路径，可能需要指定 -DQt5_DIR 或 -DOpenCV_DIR 参数。

3. 编译项目：

   # Linux/macOS
   make -j4
   
   # Windows (在 Developer Command Prompt for VS 中运行)
   cmake --build . --config Release
   

详细构建脚本可参考项目内的 scripts_to_build 目录。

基本使用

本工具的核心逻辑是：人工标记种子点 -> 算法自动分割 -> 局部修正。

1. 启动工具： 运行生成的可执行文件（如 PixelAnnotationTool 或 .exe）。

2. 加载图像： 打开包含待标注图像的目录，选择一张图片载入。

3. 绘制标记（Markers）：

   • 选择左侧工具栏的画笔工具。
   • 在不同语义区域涂抹颜色（例如：用红色标记“道路”，用绿色标记“草地”）。
   • 这些颜色将作为分水岭算法的种子点。

4. 执行分割： 点击运行/分割按钮，算法将根据您的标记自动填充整个图像的生成分割掩码。

5. 修正与细化：

   • 如果自动分割结果在边缘处不准确，无需重画。
   • 直接在错误区域补充绘制新的标记颜色。
   • 再次运行算法，系统将仅针对新标记区域进行重新计算和融合。

6. 保存结果： 完成标注后，导出颜色掩码（Color Mask）或标签图用于后续模型训练。

通过这种“伪手动”的方式，您可以极大地减少逐像素标注的时间成本。