# LAB16：颜色连通域让提示的作用变得透明
[独立阅读](/course/blocks/sam-rule-baseline-explained.html)**课堂上下文：从哪个问题来**
点和框指定本次目标，但一个点仍可能同时指向局部与整体。SAM 的可复用图像表示和轻量提示解码使交互更方便；当前 LAB16 是透明规则对照，应准确区分规则输出、教学标注和真正模型输出。


当前 LAB16 输入 48×64 RGB 图像，含红色外壳、深红内部零件与蓝物体。代码从正点像素取颜色，选择颜色距离在容差内的像素，再保留与正点四邻连通的部分。负点排除与负点颜色太相似的位置；框只限制允许区域。



已有本地输出的面积为：紧容差 110，宽容差 837，增加外壳负点后 110，加框后 156。紧容差选择内部零件，宽容差把整个外壳纳入；框的面积 156 也可能截断物体。这些变化能直接从规则解释。



因此它适合回答“提示和算法假设共同怎样改变结果”，不能回答“SAM 学会了什么”。它确实读入像素并输出 mask，但没有可学习参数，没有加载 SAM checkpoint，也没有语义泛化证据。保留这项透明练习，比给它错误模型身份更有教学价值。



读完可以把同一个正点移到蓝物体，预测容差和负点的作用；或对照官方 SAM predictor 的输入输出接口，标明哪些步骤仍需真实权重推理。此处不把未来模型运行写成已经完成。

**出处：**[SAM 官方 predictor 示例](https://github.com/facebookresearch/segment-anything/blob/main/notebooks/predictor_example.ipynb)
## 继续阅读与实验