python目录下提供了Python例程，具体情况如下：
| 序号 | Python例程 | 说明 |
|---|---|---|
| 1 | sam2_image_opencv.py | 图像分割入口程序，使用OpenCV解码、SAIL推理 |
| 2 | sam2_video_opencv.py | 视频分割入口程序，使用OpenCV解码、SAIL推理 |
| 3 | sam2_video_base.py | 视频分割基类，供sam2_video_opencv.py调用 |
算能的SoC平台（如SE、SM系列边缘设备）在/opt/sophon/下已经预装了相应的libsophon、sophon-opencv和sophon-ffmpeg运行库包。但除此之外您还需要交叉编译安装sophon-sail，具体可参考交叉编译安装sophon-sail。
在运行之前您需要先安装一些Python依赖， 可以通过pip3直接安装
pip3 install -r requirements.txtsam_image_opencv.py的参数说明如下：
usage: sam2_image_opencv.py [-h] [--mode MODE] [--img_path IMG_PATH] [--points POINTS] [--label LABEL] [--dataset_type DATASET_TYPE] [--gt_path GT_PATH]
[--detect_num DETECT_NUM] [--output_dir OUTPUT_DIR] [--encoder_bmodel ENCODER_BMODEL] [--decoder_bmodel DECODER_BMODEL]
[--select_best SELECT_BEST]
optional arguments:
-h, --help show this help message and exit
--mode 指定分割模式。可选值为 'img' 或 'dataset'。在 'img' 模式下，需要提供图片路径(img_path)、坐标点 (points) 和标签 (label)；在 'dataset' 模式下，需要提供图片路径 (img_path)、数据集类型 (dataset_type) 和真值路径 (gt_path)。
--img_path 输入图片或数据集的路径
--points 输入点的坐标。可以是单个点的格式 [[x, y]], 多点的格式[[x1, y1], [x2, y2]] 或者矩形框的格式 [[x1, y1, w, h]]（类似于COCO数据集的边界框格式）
--label 输入点的标签
--dataset_type 数据集类型。目前支持的选项包括 'COCODataset'
--gt_path 真值文件的路径
--detect_num 在数据集模式下，用于分割的图像数量
--output_dir 用于保存模型输出结果的目录
--encoder_bmodel 编码器模型文件的路径
--decoder_bmodel 解码器模型文件的路径
--select_best 是否选择最佳掩模进行分割sam2_video_open.py的参数说明如下：
用法: sam2_video_opencv.py [-h] [--video_path VIDEO_PATH] [--points POINTS] [--label LABEL] [--output_dir OUTPUT_DIR]
[--image_encoder_path IMAGE_ENCODER_PATH] [--image_decoder_path IMAGE_DECODER_PATH]
[--memory_attention_path MEMORY_ATTENTION_PATH] [--memory_encoder_path MEMORY_ENCODER_PATH]
[--constant_path CONSTANT_PATH] [--dev_id DEV_ID]
可选参数:
-h, --help 显示此帮助信息并退出
--video_path VIDEO_PATH
输入视频或数据集的路径
--points POINTS 输入点的坐标，格式为"[[x,y]]"
--label LABEL 输入点的标签
--output_dir OUTPUT_DIR
用于保存模型的输出结果
--image_encoder_path IMAGE_ENCODER_PATH
sam2 image encoder bmodel的路径
--image_decoder_path IMAGE_DECODER_PATH
sam2 image decoder bmodel的路径
--memory_attention_path MEMORY_ATTENTION_PATH
sam2 memory attention bmodel的路径
--memory_encoder_path MEMORY_ENCODER_PATH
sam2 memory encoder bmodel的路径
--skip_num SKIP_NUM
每隔几帧抽一帧
--constant_path CONSTANT_PATH
常量npz文件的路径
--dev_id DEV_ID TPU设备ID
运行sam2_image_opencv.py进行例程测试，此处以datasets/truck.jpg为例进行测试，输入一个point坐标，并指定其标签
原始图像：
python3 python/sam2_image_opencv.py --img_path datasets/images/truck.jpg --points '[[500, 375]]' --label 1 --encoder_bmodel models/BM1688/image_encoder/sam2_encoder_f16_1b_2core.bmodel --decoder_bmodel models/BM1688/image_decoder/sam2_decoder_f16_1b_2core.bmodel输出结果为：
输入两个个point坐标，并指定其标签
python3 python/sam2_image_opencv.py --img_path datasets/images/truck.jpg --points '[[500, 375], [345, 300]]' --label 1 --encoder_bmodel models/BM1688/image_encoder/sam2_encoder_f16_1b_2core.bmodel --decoder_bmodel models/BM1688/image_decoder/sam2_decoder_f16_1b_2core.bmodel输出结果为：
输入一个框，并指定其标签
python3 python/sam2_image_opencv.py --img_path datasets/images/truck.jpg --points '[[900, 300, 350, 350]]' --label 1 --encoder_bmodel models/BM1688/image_encoder/sam2_encoder_f16_1b_2core.bmodel --decoder_bmodel models/BM1688/image_decoder/sam2_decoder_f16_1b_2core.bmodel输出结果为：
本测试与官方demo中测试的视频一致，为保存在文件夹中的视频帧，不过本demo同时也支持mp4和avi格式的视频分割，运行视频分割的demo，可直接通过运行sam2_video_opencv.py完成
python3 python/sam2_video_opencv.py输出结果为：
图片分别为视频的第1帧，第25帧和第30帧
sam2_image_opencv中的处理流程，遵循以下流程图：
sam2_video_opencv中的处理流程，遵循以下流程图：
