# remote_sight_python_qt_app

**Repository Path**: hnylmy/remote_sight_python_qt_app

## Basic Information

- **Project Name**: remote_sight_python_qt_app
- **Description**: 一个使用Python编写的qt界面，能够实现读取遥感图像分割模型和图像进行图像分割任务的程序。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-07
- **Last Updated**: 2026-03-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 遥感图像分割软件

## 该项目所需的conda环境已导出至environment.yml文件中。

## 项目简介

本项目是一个基于深度学习的遥感图像分割软件，使用Python + PyQt5开发，能够加载训练好的ONNX模型并进行遥感图像分割预测。软件支持自选本地模型文件和要分割的图像，点击开始进行图像分割，并绘制分割好的地物分类。

### 支持的地物分类
- 背景（黑色）
- 建筑（红色）
- 道路（绿色）
- 水体（蓝色）
- 植被（青色）

## 技术栈

- Python 3.8+
- PyQt5（GUI界面）
- OpenCV（图像处理）
- ONNX Runtime（模型推理）
- PyTorch（模型推理）
- NumPy（数据处理）

## 环境要求

### 依赖项
- PyQt5
- opencv-python
- onnxruntime
- numpy
- torch

### 操作系统
- Windows
- macOS
- Linux

## 安装方法

### 方法1：使用conda虚拟环境（推荐）

#### 方式A：使用导出的环境文件（快速）
1. 使用environment.yml创建环境
   ```bash
   conda env create -f environment.yml
   ```

2. 激活虚拟环境
   ```bash
   conda activate remote_sight
   ```

#### 方式B：手动创建环境
1. 创建虚拟环境
   ```bash
   conda create -n remote_sight python=3.8 -y
   ```

2. 激活虚拟环境
   ```bash
   conda activate remote_sight
   ```

3. 安装依赖项
   ```bash
   conda install pyqt opencv onnxruntime numpy -y
   ```

### 方法2：使用pip

1. 创建并激活虚拟环境（可选但推荐）
   ```bash
   python -m venv remote_sight
   source remote_sight/bin/activate  # Linux/macOS
   remote_sight\Scripts\activate  # Windows
   ```

2. 安装依赖项
   ```bash
   pip install -r requirements.txt
   ```

## 使用步骤

1. 运行软件
   ```bash
   conda activate remote_sight  # 激活虚拟环境
   python main.py
   ```

2. 选择模型
   - 点击"选择模型"按钮，选择训练好的ONNX或PyTorch (.pth)格式模型文件

3. 选择图像
   - 点击"选择图像"按钮，选择要分割的遥感图像

4. 开始分割
   - 点击"开始分割"按钮，等待分割完成

5. 查看结果
   - 分割完成后，右侧将显示分割结果，不同地物类别将以不同颜色显示

## 模型要求

- 格式：ONNX 或 PyTorch (.pth)
- 输入形状：[1, 3, H, W]（批量大小, 通道数, 高度, 宽度）
- 输入类型：float32
- 输出形状：[1, 5, H, W]（批量大小, 类别数, 高度, 宽度）
- 输出类型：float32（类别概率）

## 颜色映射

| 类别 | 颜色 | RGB值 |
|------|------|-------|
| 背景 | 黑色 | (0, 0, 0) |
| 建筑 | 红色 | (0, 0, 255) |
| 道路 | 绿色 | (0, 255, 0) |
| 水体 | 蓝色 | (255, 0, 0) |
| 植被 | 青色 | (255, 255, 0) |

## 注意事项

1. 确保模型输入大小与预处理后的图像大小一致
2. 对于大图像，分割可能需要较长时间
3. 建议使用性能较好的计算机以获得更好的分割速度
4. 确保模型输出包含5个类别，对应背景、建筑、道路、水体和植被

## 故障排除

- 模型加载失败：检查模型文件路径是否正确，模型格式是否为ONNX
- 图像加载失败：检查图像文件路径是否正确，图像格式是否支持（支持 jpg、jpeg、png、bmp、tif、tiff 格式）
- 分割失败：检查模型输入输出形状是否符合要求
- 依赖项安装失败：尝试使用不同的安装方法，或更新pip/conda版本

## 项目结构

```
remote_sight_app/
├── model_loader.py       # 模型加载器，负责加载和运行ONNX或PyTorch模型
├── image_processor.py    # 图像处理，负责图像预处理、后处理和可视化
├── main.py               # 主应用，实现GUI界面和分割流程
├── requirements.txt      # 依赖项列表
├── environment.yml       # conda环境配置文件
└── README.md             # 项目说明
```

## 许可证

本项目采用MIT许可证。

## 联系方式

如果您在使用过程中遇到任何问题，请随时联系我们。