PhotoCleaner

这是一个基于 YOLOv8 分割模型的路人消除辅助项目。它会先识别图片中的人物，再根据人物框的位置、面积和置信度，自动判断谁更像主体人物，谁更像路人，并生成对应的主体掩码和路人掩码，然后使用 LaMa 修复模型进行消除和修复。

新增前端

项目新增了一个本地 Web 前端，支持：

• 单张图片上传处理
• 批量图片或目录扫描处理
• 原图 / 结果图对比预览
• 处理历史查看
• 本地结果保存与日志记录

前端入口：

streamlit run app.py

如果只想运行原始命令行脚本：

python yolo-analyzer.py

安装依赖：

pip install -r requirements.txt

目录结构

• photo_cleaner_core.py：可复用的识别 / 消除核心逻辑
• app.py：Streamlit 前端
• yolo-analyzer.py：命令行入口
• yolov8s-seg.pt：YOLOv8 模型（有权重）
• 消除路人/训练集/：输入图片目录
• 消除路人/结果集/：处理后的结果目录
• runs/segment/：Ultralytics 默认输出目录，运行yolo后生成
• mask：保存生成的掩码图，需要自己新建mask文件夹

环境依赖

项目主要依赖以下库：

• ultralytics
• numpy
• opencv-python
• pillow

运行方式

当前脚本会直接读取 消除路人/训练集/test1.png，并调用 yolov8s-seg.pt 做人物分割分析。

python yolo-analyzer.py

运行后，脚本会：

• 只检测 person 类别
• 计算每个人物的主体分数
• 选择最像主体的人物作为主目标
• 将其他人物视为路人
• 输出主体掩码和路人掩码
• 默认用 LaMa 把路人区域修复掉
• 在控制台打印每个人的框、置信度、分数和面积

核心规则

脚本里用来判断主体人物的规则比较直接：

• 框面积越大，分数越高
• 框越接近图片中心，分数越高
• 模型置信度越高，分数越高
• 分数达到最高分的 75% 以上，可能会一起被视为主体
• 面积小于整张图 3% 的人物，通常会被过滤掉

如果没有任何候选人物通过筛选，脚本至少会保留分数最高的人物。

输出结果

脚本会得到两个关键结果：

• 主体掩码：主体人物区域的合并结果
• 路人掩码：需要消除的路人区域的合并结果
• 消除结果图：把路人区域直接修复后的最终图片，默认保存到 消除路人/结果集/test1_removed.png