深圳网站建设好,营销型网站有哪些出名的,新公司需要做网站,wordpress替换主题图片语义分割任务中VOC数据集的制作#xff0c;任务中只有一种标签#xff1a;gas 文章目录 1、由黑白图像识别为txt标签2、txt转json3、数据集转VOC格式 1、由黑白图像识别为txt标签
由于使用CycleGAN网络进行风格迁移学习#xff0c;生成了大量伪标签图像#xff0c;因此需…语义分割任务中VOC数据集的制作任务中只有一种标签gas 文章目录 1、由黑白图像识别为txt标签2、txt转json3、数据集转VOC格式 1、由黑白图像识别为txt标签
由于使用CycleGAN网络进行风格迁移学习生成了大量伪标签图像因此需要自动提取出标签标签格式为YOLOv8训练所需要的语义分割的标签格式 例如提取出下图中白色的区域的标签信息 txt标签
import os
import cv2
import numpy as np该段代码读取文件夹中的二值图像输出白色区域的标注信息
格式为YOLOv8图像分割的txt格式def process_images(input_folder, output_folder):# 如果输出文件夹不存在则创建它if not os.path.exists(output_folder):os.makedirs(output_folder)# 列出输入文件夹中的所有图像文件image_files [f for f in os.listdir(input_folder) if f.endswith((.png, .jpg, .jpeg, .bmp))]total_images len(image_files)print(f在文件夹{input_folder}中找到了 {total_images} 张图像。)# 处理每张图像for idx, filename in enumerate(image_files, 1):print(f正在处理图像 {idx} / {total_images} : {filename})# 加载图像image_path os.path.join(input_folder, filename)image cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)# 检查图像是否正确加载if image is None:print(f图像 {filename} 未能正确加载。)continue# 对图像进行阈值处理以获得二值图像_, binary_image cv2.threshold(image, 128, 255, cv2.THRESH_BINARY)# 寻找轮廓contours, _ cv2.findContours(binary_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 初始化一个列表来存储轮廓坐标contour_coordinates []# 获取图像的尺寸以进行归一化height, width image.shape# 遍历轮廓以提取归一化坐标for contour in contours:# 初始化一个列表来存储单个轮廓的坐标coords [0] # 开头的数字0没有小数点for point in contour:# 归一化x和y坐标并添加到列表中x_normalized point[0][0] / widthy_normalized point[0][1] / heightcoords.extend([f{x_normalized:.6f}, f{y_normalized:.6f}])# 将单个轮廓的坐标添加到主列表中contour_coordinates.append( .join(coords))# 定义输出文本文件的路径output_file_path os.path.join(output_folder, os.path.splitext(filename)[0] .txt)# 将坐标写入文本文件with open(output_file_path, w) as file:file.write(\n.join(contour_coordinates))
# 输入和输出文件夹路径请替换为实际路径
input_folder_path D:\Desktop\\test0326 # 替换为实际的输入图片文件夹
output_folder_path D:\Desktop\\test0326 # 替换为实际的输出txt标签文件夹
# 调用函数以处理图像
process_images(input_folder_path, output_folder_path)
2、txt转json
由txt文件转换为labelme标注的json格式本人的labelme版本为5.3.1json文件内涵图像数据具体格式为
json_data {version: 5.3.1,flags: {},shapes: [],imagePath: img_filename,imageData: encoded_string,imageHeight: height,imageWidth: width}代码如下
import os
import json
import base64
from PIL import Image
import io# 文件夹路径
label_folder D:\\Desktop\\Unet\\dataset\\500txt # txt标签文件夹
image_folder D:\\Desktop\\Unet\\dataset\\500images # 图像文件夹
output_folder D:\\Desktop\\Unet\\dataset\\500jsons # json标签输出的文件夹# 确保输出文件夹存在
os.makedirs(output_folder, exist_okTrue)
# 遍历文件夹中的所有 txt 文件
for filename in os.listdir(label_folder):if filename.endswith(.txt):# 构造完整的文件路径txt_path os.path.join(label_folder, filename)# 构造对应的图像文件路径img_filename filename.replace(.txt, .jpg)img_path os.path.join(image_folder, img_filename)# 读取图像尺寸并转换为 base64with Image.open(img_path) as img:width, height img.sizebuffered io.BytesIO()img.save(buffered, formatJPEG)encoded_string base64.b64encode(buffered.getvalue()).decode(utf-8)# 初始化 JSON 数据结构json_data {version: 5.3.1,flags: {},shapes: [],imagePath: img_filename,imageData: encoded_string,imageHeight: height,imageWidth: width}# 读取 txt 文件并解析多边形坐标with open(txt_path, r) as file:for line in file:parts line.strip().split()label_index parts[0] # 假设第一部分是类别索引if len(parts) 3 or len(parts) % 2 0:print(fUnexpected format in {filename})continue# 将相对坐标转换为实际坐标像素值label gas if label_index 0 else unknownpoints [(float(parts[i]) * width, float(parts[i 1]) * height) for i in range(1, len(parts), 2)]shape_data {label: label,points: points,group_id: None,description: ,shape_type: polygon,flags: {}}json_data[shapes].append(shape_data)# 输出 JSON 文件output_path os.path.join(output_folder, filename.replace(.txt, .json))with open(output_path, w) as jsonfile:json.dump(json_data, jsonfile, indent2)print(f文件 {output_path} 已转换完成)print(Conversion to JSON completed.)3、数据集转VOC格式
准备好原图和json格式的标签后转换为VOC所需的语义分割数据集 还需要准备一个labels.txt文件里面写上所有的类别格式如下
__ignore__
_background_
gas由于我的任务中只有gas这一类所以只需要写gas如果是多类则依次往下添加即可“ignore”和“background”这两行不要动准备好labels.txt文件后还需要将路径填到下方转换代码中注明的位置
from __future__ import print_function
import argparse
import glob
import os
import os.path as osp
import sys
import imgviz
import numpy as np
import labelmedef main(args):if osp.exists(args.output_dir):print(Output directory already exists:, args.output_dir)sys.exit(1)os.makedirs(args.output_dir)os.makedirs(osp.join(args.output_dir, JPEGImages))os.makedirs(osp.join(args.output_dir, SegmentationClassnpy))os.makedirs(osp.join(args.output_dir, SegmentationClass))if not args.noviz:os.makedirs(osp.join(args.output_dir, SegmentationClassVisualization))print(Creating dataset:, args.output_dir)class_names []class_name_to_id {}for i, line in enumerate(open(args.labels).readlines()):class_id i - 1 # starts with -1class_name line.strip()class_name_to_id[class_name] class_idif class_id -1:assert class_name __ignore__continueelif class_id 0:assert class_name _background_class_names.append(class_name)class_names tuple(class_names)print(class_names:, class_names)out_class_names_file osp.join(args.output_dir, class_names.txt)with open(out_class_names_file, w) as f:f.writelines(\n.join(class_names))print(Saved class_names:, out_class_names_file)for filename in glob.glob(osp.join(args.input_dir, *.json)):print(Generating dataset from:, filename)label_file labelme.LabelFile(filenamefilename)base osp.splitext(osp.basename(filename))[0]out_img_file osp.join(args.output_dir, JPEGImages, base .jpg)out_lbl_file osp.join(args.output_dir, SegmentationClassnpy, base .npy)out_png_file osp.join(args.output_dir, SegmentationClass, base .png)if not args.noviz:out_viz_file osp.join(args.output_dir,SegmentationClassVisualization,base .jpg,)with open(out_img_file, wb) as f:f.write(label_file.imageData)img labelme.utils.img_data_to_arr(label_file.imageData)lbl, _ labelme.utils.shapes_to_label(img_shapeimg.shape,shapeslabel_file.shapes,label_name_to_valueclass_name_to_id,)labelme.utils.lblsave(out_png_file, lbl)np.save(out_lbl_file, lbl)if not args.noviz:viz imgviz.label2rgb(labellbl,# imgimgviz.rgb2gray(img),# imgimg,font_size15,label_namesclass_names,locrb,)imgviz.io.imsave(out_viz_file, viz)def get_args():parser argparse.ArgumentParser()parser.add_argument(--input_dir, defaultD:\Desktop\\Unet\dataset\\500jsons, typestr, ## 在这里输入json标签文件夹helpinput annotated directory)parser.add_argument(--output_dir, defaultD:\Desktop\\Unet\dataset\VOC500images\\, typestr, ## 在这里输入图片文件夹 helpoutput dataset directory)parser.add_argument(--labels, defaultD:\Desktop\\Unet\\dataset\\labels.txt, typestr, ## 输入labels.txt文件所在的路径helplabels file)parser.add_argument(--noviz, helpno visualization, actionstore_true)args parser.parse_args()return args
if __name__ __main__:args get_args()main(args)
