给一张带地理参考的正射影像，输出建筑物轮廓 Shapefile。和「跑个分割模型就完事」的区别在于后处理：从像素掩码到可入库的图斑，中间还有校验和规则化两步。
推理前就用 Nodata、纯黑、植被、阴影掩码把干扰区涂黑，推理后再强制剔除。这是针对黑边误检的关键。
各块推理完先 OR 合并成全局掩码，再做轮廓校验（面积、宽度、矩形度、实心度、植被冲突、阴影支撑），而不是逐块美化后拼接。
用 join_style=mitre 先膨胀后腐蚀，保持直线和直角，不做圆角化 —— 建筑的边是直的。
Douglas-Peucker 简化后，若与最小外接矩形 IoU 超过阈值则替换为规则矩形。
git clone https://github.com/UVE1048/Footprint-Creater.git
cd Footprint-Creater
pip install -r requirements.txt
python scripts/download_models.py # 预训练权重，约 773 MB
python web_app.py # 打开 http://localhost:5000| 参数 | 默认 | 说明 |
|---|---|---|
| BLOCK_SIZE | 1024 | 分块推理像素尺寸，显存不足调小 |
| BLOCK_OVERLAP | 512 | 分块重叠，建议保持 50% |
| MIN_AREA_M2 | 100.0 | 最小建筑面积，过滤噪点 |
| BUFFER_EXPAND_M | 0.6 | 平滑膨胀距离，米 |
| BUFFER_SHRINK_M | 0.3 | 平滑腐蚀距离，米 |
| SIMPLIFY_TOL | 0.3 | Douglas-Peucker 公差，米 |
| RECT_IOU_THRESH | 0.90 | 矩形化 IoU 阈值 |
启动 web_app.py 打开控制台，上传带地理参考的 .tif，点开始处理。程序会执行分块推理、全局轮廓校验、简化与矩形化，最后输出 buildings.shp 及预览图。
这是直接拿语义分割掩码转矢量的典型结果。本项目在转矢量前做了全局轮廓校验（面积、宽度、矩形度、实心度、植被冲突、阴影支撑），之后再用 mitre 保直角平滑，最后做 Douglas-Peucker 简化，IoU 超过阈值的图斑替换为规则矩形。
斜切的正射影像四周是黑色 Nodata，分割模型会稳定地把这块区域判成建筑，而且连成一片导致面积过滤拦不住。本项目在推理前就用 Nodata、纯黑、植被、阴影掩码把干扰区涂黑，推理后再强制从结果剔除。
输出时会尽量把 CRS 转成整数 EPSG 码再写出，保证 .prj 被正确识别；拿不到 EPSG 时退回原始 CRS WKT 并手工补写 .prj 文件。
8 GB 显存下 BLOCK_SIZE=1024、BLOCK_OVERLAP=512 是稳妥配置。显存不足就调小 BLOCK_SIZE，大建筑常被切断时调大。