图像语义分割 |
您所在的位置：网站首页 › 图片裁剪 英文 › 图像语义分割 |
图像语义分割
|
图像语义分割——python滑窗法裁剪数据
一、 背景和需求二、实现2.1 代码实现2.2 根据颜色获取不同类别的mask2.3 滑窗法裁剪 crop
B站：xxx CSDN：python图像分割——滑窗法裁剪数据_百年后封笔-CSDN博客 Github：封笔 公众号：百年后封笔 一、 背景和需求对图像分割而言，往往给的原图是非常大的，无法直接用于网络训练，因此有必要使用滑窗法进行图像的裁剪，把大图裁剪成一个个小的patch图，如下所示，当然如果有分类的需求，也可以根据要求来把裁剪的图像进行分类。
下面给出一个例子： 目标：把一个二分类（不包含背景）的细胞分割图（label标注为红色和绿色），使用滑窗法进行分割，并根据patch中两种类别的占比来进行分类保存。 注：不考虑超出像素边界的残缺patch，如需考虑可以用cv2的 copyMakeBorder解决 二、实现 2.1 代码实现直接上代码： import os import cv2 import numpy as np from tqdm import tqdm # 根据传统视觉进行图像两类标签的mask生成（原始标签是彩色图像，需要提取绿色和红色的部分） def get_g_r_label(label): b, g, r = label[..., 0], label[..., 1], label[..., 2] b = b.astype(np.float) g = g.astype(np.float) r = r.astype(np.float) green = g - b - r red = r - b - g red = np.where(red > 0, 255, 0) green = np.where(green > 0, 255, 0) # # cv2.imshow('label', label.astype(np.uint8)) # cv2.imshow('green', green.astype(np.uint8)) # cv2.imshow('red', red.astype(np.uint8)) # cv2.waitKey(0) return red.astype(np.uint8), green.astype(np.uint8) # 裁剪函数 def crop(img, label, label_g, label_r, save_dirs, save_name, crop_size=(50, 50), gap=(50, 50), ratio=0.7, isshow=False): h, w, _ = img.shape gp_w, gp_h = gap cp_w, cp_h = crop_size num = 0 for j in range(0, h, gp_h): if j + cp_h > h: continue for i in range(0, w, gp_w): if i + cp_w > w: continue # print(j, i, j*gap_h, j*gap_h+cp_h, i*gap_w, i*gp_w+cp_w) cp_img = img[j:j+cp_h, i:i+cp_w, :] a_img = label_r[j:j+cp_h, i:i+cp_w] b_img = label_g[j:j+cp_h, i:i+cp_w] if np.sum(a_img.flatten()) > cp_w * cp_h * 255 * ratio: cv2.imwrite(os.path.join(save_dirs[0], save_name.replace('.jpg', f'_{num}.jpg')), cp_img) if isshow: cv2.imwrite(os.path.join(save_dirs[0], save_name.replace('.jpg', f'_{num}_show.jpg')), label[j:j+cp_h, i:i+cp_w, :]) elif np.sum(b_img.flatten()) > cp_w * cp_h * 255 * ratio: cv2.imwrite(os.path.join(save_dirs[1], save_name.replace('.jpg', f'_{num}.jpg')), cp_img) if isshow: cv2.imwrite(os.path.join(save_dirs[1], save_name.replace('.jpg', f'_{num}_show.jpg')), label[j:j+cp_h, i:i+cp_w, :]) num += 1 # cv2.imshow('cp', cp_img) # cv2.imshow('ori', img) # cv2.imshow('a', a_img) # cv2.imshow('b', b_img) # cv2.waitKey(0) if __name__ == '__main__': label_dir = r'path/to/your_label' img_dir = r'path/to/your_images' # 定义两个类别的保存路径 save_dir1 = r'./cls_1' save_dir2 = r'./cls_2' if not os.path.isdir(save_dir1): os.makedirs(save_dir1) if not os.path.isdir(save_dir2): os.makedirs(save_dir2) crop_w, crop_h = 100, 100 # 定义裁剪图像尺寸 gap_w, gap_h = 100, 100 # 定义滑动间隔 ratio = 0.7 # 像素占比 for label_name in tqdm(os.listdir(label_dir)): img_path = os.path.join(img_dir, label_name.replace('.v2', '')) label_path = os.path.join(label_dir, label_name) label = cv2.imread(label_path, cv2.IMREAD_COLOR) img = cv2.imread(img_path, cv2.IMREAD_COLOR) red, green = get_g_r_label(label) # 获取标签模板 crop(img, label, red, green, [save_dir1, save_dir2], save_name=label_name.replace('.v2', ''), crop_size=(crop_w, crop_h), gap=(gap_w, gap_h), ratio=ratio, isshow=False) 2.2 根据颜色获取不同类别的mask # 根据传统视觉进行图像两类标签的mask生成（原始标签是彩色图像，需要提取绿色和红色的部分） def get_g_r_label(label): b, g, r = label[..., 0], label[..., 1], label[..., 2] b = b.astype(np.float) g = g.astype(np.float) r = r.astype(np.float) green = g - b - r red = r - b - g red = np.where(red > 0, 255, 0) green = np.where(green > 0, 255, 0) # # cv2.imshow('label', label.astype(np.uint8)) # cv2.imshow('green', green.astype(np.uint8)) # cv2.imshow('red', red.astype(np.uint8)) # cv2.waitKey(0) return red.astype(np.uint8), green.astype(np.uint8)
|
如上是分割出来的不同类别的patch图像。【本文地址】