# masks_utils

Python API: `depthai_nodes.node.parsers.utils.masks_utils`

## 函数

### crop_mask

```python
def crop_mask(mask: np.ndarray, bbox: np.ndarray, fill_value: float | int = 0) -> np.ndarray:
```

它接受一个掩码和一个边界框，并返回一个裁剪到边界框的掩码。

参数

 * `mask` (`np.ndarray`): 单个掩码的 [h, w] numpy 数组
 * `bbox` (`np.ndarray`): 边界框坐标的 numpy 数组，格式为 (x_center, y_center, width, height)
 * `fill_value` (`float | int`): 分配给边界框外像素的值。

返回

 * `np.ndarray`: 裁剪到边界框的掩码

### get_segmentation_outputs

```python
def get_segmentation_outputs(output: dai.NNData, mask_output_layer_names: list[str] | None = None, protos_output_layer_name: str | None = None) -> tuple[list[np.ndarray], np.ndarray, int]:
```

提取去量化的 NCHW 掩码系数和原型。

参数

 * `output` (`dai.NNData`): 神经网络输出消息。
 * `mask_output_layer_names` (`list[str] | None`): 候选掩码层名称。如果省略或为空，则检查每个层；选择包含 `"mask"` 的名称并按字典顺序排序。
 * `protos_output_layer_name` (`str | None`): 原型层名称；默认为 `"protos_output"`。

返回

 * `tuple[list[np.ndarray], np.ndarray, int]`: float32 系数张量列表、float32 原型张量及其通道数。

### probability_to_logit_threshold

```python
def probability_to_logit_threshold(probability: float) -> float:
```

将概率阈值转换为 logit 空间。

参数

 * `probability` (`float`): 概率阈值；小于或等于 0 和大于或等于 1 的值作为边界情况处理。

返回

 * `float`: 对数几率，或在下/上边界处的负/正无穷大。

### process_single_mask

```python
def process_single_mask(protos: np.ndarray, mask_coeff: np.ndarray, mask_conf: float, bbox: np.ndarray, output_shape: tuple[int, int]) -> np.ndarray:
```

处理单个掩码。

参数

 * `protos` (`np.ndarray`): 原型。
 * `mask_coeff` (`np.ndarray`): 掩码系数。
 * `mask_conf` (`float`): 掩码置信度。
 * `bbox` (`np.ndarray`): 边界框坐标的 numpy 数组，格式为 (x_center, y_center, width, height) 归一化格式。
 * `output_shape` (`tuple[int, int]`): 目标掩码形状，格式为 (height, width)。

返回

 * `np.ndarray`: 调整为 `output_shape` 的处理后的二进制掩码。

### process_single_mask_rfdetr

```python
def process_single_mask_rfdetr(mask_logits: np.ndarray, mask_conf: float, input_shape: tuple[int, int]) -> np.ndarray:
```

处理单个 RF-DETR 实例分割掩码。

参数

 * `mask_logits` (`np.ndarray`): 单个检测的掩码 logits。
 * `mask_conf` (`float`): 掩码置信度阈值。
 * `input_shape` (`tuple[int, int]`): 目标输出掩码形状，格式为 (height, width)。

返回

 * `np.ndarray`: 调整为模型输入形状的处理后的掩码。
