【图像分割_数据集】mask可视化(标签文件png全黑怎么办)

2023-11-22 00:20

本文主要是介绍【图像分割_数据集】mask可视化(标签文件png全黑怎么办),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 一、python给图像加上mask,并提取mask区域
  • 二、语义分割之图片和 mask 的可视化
    • 1、处理单张图片
    • 2、批量处理

先上效果:

1、python给图像加上mask,并提取mask区域
在这里插入图片描述

2、语义分割之图片和 mask 的可视化

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nETDo11K-1651327753502)(C:\Users\pc\AppData\Roaming\Typora\typora-user-images\image-20220430213341934.png)]

一、python给图像加上mask,并提取mask区域

python给图像加上mask,并提取mask区域_xnholiday的博客-CSDN博客_mask python

import os
import cv2
import numpy as npdef add_mask2image_binary(images_path, masks_path, masked_path):# Add binary masks to imagesfor img_item in os.listdir(images_path):print(img_item)img_path = os.path.join(images_path, img_item)img = cv2.imread(img_path)mask_path = os.path.join(masks_path, img_item[:-4] + '.png')  # mask是.png格式的,image是.jpg格式的mask = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE)  # 将彩色mask以二值图像形式读取masked = cv2.add(img, np.zeros(np.shape(img), dtype=np.uint8), mask=mask)  # 将image的相素值和mask像素值相加得到结果cv2.imwrite(os.path.join(masked_path, img_item), masked)# 注意使用全局路径,且无中文
images_path = r'/home/root/work/JPEGImages/'
masks_path = r'/home/root/work/Annotations/'
masked_path = r'/home/root/work/masked/'
add_mask2image_binary(images_path, masks_path, masked_path)

【效果展示】:

原数据:

  • JPEGImages
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tm7buvmx-1651327753502)(C:\Users\pc\AppData\Roaming\Typora\typora-user-images\image-20220430205615573.png)]
  • Annotations
    请添加图片描述

提取mask后:
请添加图片描述

二、语义分割之图片和 mask 的可视化

语义分割之图片和 mask 的可视化 - AI备忘录 (aiuai.cn)

PS:原图片会出现一些色变

1、处理单张图片

import cv2
import numpy as np
import matplotlib.pyplot as pltimgfile = 'JPEGImages/00001.jpg'
pngfile = 'Annotations/00001.png'img = cv2.imread(imgfile, 1)
mask = cv2.imread(pngfile, 0)contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 1)img = img[:, :, ::-1]
img[..., 2] = np.where(mask == 1, 255, img[..., 2])plt.imshow(img)
plt.show()
# cv2.imwrite("visual/00001.jpg", img)

效果展示:
在这里插入图片描述

2、批量处理

import cv2
import numpy as np
import osdef get_path(images_path, masks_path, visualized_path):for filename in os.listdir(images_path):img_path = os.path.join(images_path, filename)mask_path = os.path.join(masks_path, filename[:-4] + '.png')img = cv2.imread(img_path, 1)mask = cv2.imread(mask_path, 0)contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(img, contours, -1, (0, 0, 255), 1)img = img[:, :, ::-1]img[..., 2] = np.where(mask == 1, 255, img[..., 2])cv2.imwrite(os.path.join(visualized_path, filename), img)print("{} saved".format(filename))print("finish")images_path = 'JPEGImages/'
masks_path = 'Annotations/'
visualized_path = 'visual/'
get_path(images_path, masks_path, visualized_path)

在这里插入图片描述

这篇关于【图像分割_数据集】mask可视化(标签文件png全黑怎么办)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/406137

相关文章

批量导入txt数据到的redis过程

《批量导入txt数据到的redis过程》用户通过将Redis命令逐行写入txt文件,利用管道模式运行客户端,成功执行批量删除以Product*匹配的Key操作,提高了数据清理效率... 目录批量导入txt数据到Redisjs把redis命令按一条 一行写到txt中管道命令运行redis客户端成功了批量删除k

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式(传统格式)1.

解决pandas无法读取csv文件数据的问题

《解决pandas无法读取csv文件数据的问题》本文讲述作者用Pandas读取CSV文件时因参数设置不当导致数据错位,通过调整delimiter和on_bad_lines参数最终解决问题,并强调正确参... 目录一、前言二、问题复现1. 问题2. 通过 on_bad_lines=‘warn’ 跳过异常数据3

Python实现PDF按页分割的技术指南

《Python实现PDF按页分割的技术指南》PDF文件处理是日常工作中的常见需求,特别是当我们需要将大型PDF文档拆分为多个部分时,下面我们就来看看如何使用Python创建一个灵活的PDF分割工具吧... 目录需求分析技术方案工具选择安装依赖完整代码实现使用说明基本用法示例命令输出示例技术亮点实际应用场景扩

C#监听txt文档获取新数据方式

《C#监听txt文档获取新数据方式》文章介绍通过监听txt文件获取最新数据,并实现开机自启动、禁用窗口关闭按钮、阻止Ctrl+C中断及防止程序退出等功能,代码整合于主函数中,供参考学习... 目录前言一、监听txt文档增加数据二、其他功能1. 设置开机自启动2. 禁止控制台窗口关闭按钮3. 阻止Ctrl +

java如何实现高并发场景下三级缓存的数据一致性

《java如何实现高并发场景下三级缓存的数据一致性》这篇文章主要为大家详细介绍了java如何实现高并发场景下三级缓存的数据一致性,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 下面代码是一个使用Java和Redisson实现的三级缓存服务,主要功能包括:1.缓存结构:本地缓存:使

在MySQL中实现冷热数据分离的方法及使用场景底层原理解析

《在MySQL中实现冷热数据分离的方法及使用场景底层原理解析》MySQL冷热数据分离通过分表/分区策略、数据归档和索引优化,将频繁访问的热数据与冷数据分开存储,提升查询效率并降低存储成本,适用于高并发... 目录实现冷热数据分离1. 分表策略2. 使用分区表3. 数据归档与迁移在mysql中实现冷热数据分

C#解析JSON数据全攻略指南

《C#解析JSON数据全攻略指南》这篇文章主要为大家详细介绍了使用C#解析JSON数据全攻略指南,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、为什么jsON是C#开发必修课?二、四步搞定网络JSON数据1. 获取数据 - HttpClient最佳实践2. 动态解析 - 快速

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计(扩展版本)二、核心算法深入解析2.1 自

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口