SimpleGVI 是一个简化版的绿视指数 (Green View Index, GVI) 计算工具，使用 Facebook 的 Mask2Former 模型进行语义分割，计算图像中植被区域的占比。

git clone https://github.com/yourusername/SimpleGVI.git
cd SimpleGVI

# 使用 uv（推荐）
uv venv && source .venv/bin/activate
uv pip install -r requirements.txt

# 处理单张图像
uv run main.py examples/03_dense_forest.jpg --save_segmentation

# 批量处理文件夹
uv run batch_process.py path/to/images/ --save_segmentation --batch-size 2

PowerShell 5.1 不支持 && 作为命令分隔符；需要连续执行多条命令时请使用 ;。

from modules.gvi_calculator import process_image, get_models

# 加载模型
processor, model = get_models()

# 处理图像
gvi, segmentation, image = process_image(
    'examples/03_dense_forest.jpg',
    is_panoramic=False,
    processor=processor,
    model=model
)

print(f'绿视指数：{gvi:.4f} ({gvi*100:.1f}%)')

uv run streamlit run app.py --server.port 8501

访问 http://localhost:8501

• CLI: results/ 目录下生成结果文件和分割图
• 批量处理: gvi_results.csv 包含每张图像的 tree_GVI、grass_GVI、plant_GVI、flower_GVI、palm_GVI 和总 GVI
• Web UI: 实时显示结果，支持 CSV 导出
• 分割可视化: 输出三段竖向拼接图，依次为显示图、50% 透明分割叠加图、纯分割图

• 普通图和全景图都会先修正 EXIF 方向。
• 全景图会先裁剪底部 20%，用于减少全景地面畸变。
• 分割计算使用短边最大 384px 的图像，降低 Mask2Former 后处理显存占用。
• 批处理只加载一份模型，--batch-size 控制单次送入 GPU/CPU 推理的图像数量。
• 保存分割图时使用有背压的异步写图队列，避免 CPU 可视化阻塞 GPU 推理，同时限制内存积压。
• 可视化底图使用短边最大 1024px 的图像，避免输出图过大，同时保留较清晰的底图。
• 分割标签按 ADE20K 类别连通块生成：连通块太小不标注，连通块越大标签字号越大。

• torch
• transformers
• pillow
• numpy
• scipy
• pandas
• streamlit

完整依赖见 requirements.txt

# 测试示例图像
uv run main.py examples/03_dense_forest.jpg -s

输出:

加载语义分割模型...
处理图像：examples/03_dense_forest.jpg
绿视指数 (GVI): 1.0000
分割结果已保存: results/03_dense_forest_segmentation.png
处理完成!

基于 StreetView-NatureVisibility 项目，使用 Facebook Mask2Former 模型。

MIT License