八、 影像處理
影像處理 模組專門用於工業影象的預處理與資料集重構,支援影象與 JSON 標籤的同步變換,確保資料的一致性。
1. 格式轉化 (Format Conversion)¶
功能說明:
支援工業相機常用的 BMP 與 PNG 格式互轉。
- 核心特性:
- 名稱同步更新:轉換格式後,系統會自動修改JSON對應的影像檔名稱,確保內部的
imagePath欄位與硬碟上的檔名完全一致。 - 防錯機制:有效解決因手動修改檔名導致的“影像與 JSON 無法匹配”問題。
- 名稱同步更新:轉換格式後,系統會自動修改JSON對應的影像檔名稱,確保內部的
2. 影像拆分 (Image Splitting)¶
功能說明: 針對超大解析度影像(如線陣相機拍攝的影象),支援將其拆分為多個小圖。
- 操作要點:
- 同步處理:拆分影像的同時,系統會自動重算並切割 JSON 內部的所有標記框。
- 靈活配置:支援自定義拆分的行數與列數。
3. 畫素裁剪 (Pixel Resizing)¶
功能說明: 批次縮放影像尺寸,以加速模型訓練。
- 智慧對齊:為了適配 YOLO 等深度學習模型的 BackBone 輸入,系統會將自定義尺寸自動對齊為 32 的倍數。
- 重計算:縮放後,JSON 內部的所有座標點會按比例自動平移和縮放。
資料集備份建議
雖然縮小影像能顯著減少訓練時間,但歸檔備份時務必保留原始大圖資料,以便後續演算法最佳化。
4. 貼邊裁剪 (Auto-Contour Crop)¶
功能說明: 針對固定背景的工業場景,自動識別物料輪廓並進行貼邊裁剪。
- 邊距係數:使用者可定義物料邊緣與影像邊界的預留距離(Padding),防止裁剪過於死板導致邊緣資訊丟失。
- 應用場景:去除背景噪聲,使模型更專注於物料本身的缺陷。
5. 資料集裁剪 (Dataset Cropping)¶
功能說明: 用於剔除畫面中無關的干擾區域,僅保留特定的 ROI(感興趣區域)。

使用方法:
-
點選 [匯入單圖]。
-
在預覽視窗中用滑鼠畫出矩形框(框內為保留區域)。
-
確定保留內容後,點選 [批次裁剪]。
典型場景
當某些缺陷只在產品特定位置(如中心或邊緣)出現時,使用該功能可有效去除周邊干擾,提升模型精度。
6. 資訊清除 (Metadata Cleaner)¶
功能說明: 深度清理 JSON 檔案中的冗餘後設資料。
- 主要清理物件:
imageData:Labelme 生成的 Base64 原始資料(該資料會導致 JSON 檔案體積巨大,嚴重佔用記憶體)。flags:無用的標記組。- 其他自定義後設資料。
來自開發者的建議
如果您目前仍在使用 Labelme 進行標註,建議儘快全面遷移至 ATSVisionOps,以獲得更輕量、更高效的標註體驗。