coco數(shù)據(jù)集大概有8w張以上的圖片，而且每幅圖都有精確的邊緣mask標(biāo)注。
后面后分享一個labelme標(biāo)注的json或xml格式轉(zhuǎn)二值圖的源碼（以備以后使用）
而我現(xiàn)在在研究顯著性目標(biāo)檢測，需要的是邊緣mask的二值圖像。搜了很久，并沒有人做過這種工作，只能得到如下的掩膜圖
而我需要的圖像為二值圖，如下
說下 我的過程 并附上代碼：
首先，coco數(shù)據(jù)集將所有的8w多張圖片標(biāo)注信息整合到一個json文件中，所以我們需要將單張圖片標(biāo)注信息json文件提取出來，以下是批量提取腳本。
注： 需要改動地方 1）第6行：將json_file改為原coco數(shù)據(jù)集json文件的地址 （coco/annotations/xxxxx.json）
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?2)? 第13行：設(shè)置需要提取的圖片數(shù)量 我是提取82000張
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?3）第37行：設(shè)置存儲json文件的目錄 需要新建空文件夾 我是放在./coco_single_object下
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?4）第33-35行：可選 將圖片的名稱寫入data.txt中 不需要的話可以注釋掉
1
#
-*- coding:utf-8 -*-
2
from
__future__
import
print_function
3
import
json
4
5
#
json文件的地址 需要手動設(shè)置
6
json_file=
'
../pycocotools/instances_train2014.json
'
#
# Object Instance 類型的標(biāo)注
7
#
person_keypoints_val2017.json # Object Keypoint 類型的標(biāo)注格式
8
#
captions_val2017.json # Image Caption的標(biāo)注格式
9
10
data=json.load(open(json_file,
'
r
'
))
11
12
#
設(shè)置需要提取的圖片數(shù)量 我設(shè)置提取82000張
13
for
i
in
range(82000
):
14
data_2 =
{}
15
data_2[
'
info
'
] = data[
'
info
'
]
16
data_2[
'
licenses
'
] = data[
'
licenses
'
]
17
data_2[
'
images
'
] = [data[
'
images
'
][i]]
#
只提取第一張圖片
18
data_2[
'
categories
'
] = data[
'
categories
'
]
19
annotation =
[]
20
21
#
通過imgID 找到其所有對象
22
imgID = data_2[
'
images
'
][0][
'
id
'
]
23
for
ann
in
data[
'
annotations
'
]:
24
if
ann[
'
image_id
'
] ==
imgID:
25
annotation.append(ann)
26
27
data_2[
'
annotations
'
] =
annotation
28
#
保存到新的JSON文件，便于查看數(shù)據(jù)特點
29
#
img_file 獲取圖片名稱
30
img_file=data_2[
'
images
'
][0][
'
file_name
'
]
31
img_first=img_file.split(
"
.
"
)[0]
32
#
將提取出的圖片寫入data.txt文件中并換行 (optional)
33
#
with open('./coco_single_object/data.txt',mode='a') as f:
34
#
f.write(img_file)
35
#
f.write("\n")
36
#
設(shè)置存儲目錄 我的是存在當(dāng)前目錄下coco_single_object文件夾下 需要手動創(chuàng)建空文件夾
37
json.dump(data_2, open(
'
./coco_single_object/
'
+img_first+
'
.json
'
,
'
w
'
), indent=4)
#
indent=4 更加美觀顯示
最后的結(jié)果是82000張 json文件
---------------------------------------------------------------------------------------------------------------------------------------
有了單張json文件之后，就是將mask掩膜提取出二值圖片的過程了
注：函數(shù)傳入4個參數(shù)?json_path,img_path,color_img_save,binary_img_save
? ? ? ?分別對應(yīng)? json_path: 上一步提取出的json文件的文件夾路徑
? ? ? ? ? ? ? ? ? ? ? ?img_path: coco數(shù)據(jù)集下載時原圖目錄?
? ? ? ? ? ? ? ? ? ? ? ?color_img_save: 存放原圖的目錄 （需要新建此文件夾）
? ? ? ? ? ? ? ? ? ? ? ?binary_img_save: 存放二值圖的目錄（需要新建此文件夾）
1
from
__future__
import
print_function
2
from
pycocotools.coco
import
COCO
3
import
os, sys, zipfile
4
import
urllib.request
5
import
shutil
6
import
numpy as np
7
import
skimage.io as io
8
import
matplotlib.pyplot as plt
9
import
pylab
10
pylab.rcParams[
'
figure.figsize
'
] = (8.0, 10.0
)
11
import
os
12
def
get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save):
13
#
json_path json文件路徑 從coco數(shù)據(jù)集的annotations標(biāo)注json文件中提取出的單個json文件
14
#
img_path 原圖目錄 下載coco數(shù)據(jù)集時的原圖目錄
15
#
color_img_save 原圖存放目錄
16
#
binary_img_save 二值圖存放目錄
17
dir=
os.listdir(json_path)
18
for
jfile
in
dir:
19
annFile =
os.path.join(json_path,jfile)
20
coco =
COCO(annFile)
21
imgIds =
coco.getImgIds()
22
img =
coco.loadImgs(imgIds[0])[0]
23
dataDir =
img_path
24
shutil.copy(os.path.join(dataDir, img[
'
file_name
'
]), color_img_save)
25
26
#
load and display instance annotations
27
#
加載實例掩膜
28
catIds =
[]
29
for
ann
in
coco.dataset[
'
annotations
'
]:
30
if
ann[
'
image_id
'
] ==
imgIds[0]:
31
catIds.append(ann[
'
category_id
'
])
32
33
annIds = coco.getAnnIds(imgIds=img[
'
id
'
], catIds=catIds, iscrowd=
None)
34
width = img[
'
width
'
]
35
height = img[
'
height
'
]
36
anns =
coco.loadAnns(annIds)
37
mask_pic =
np.zeros((height, width))
38
for
single
in
anns:
39
mask_single =
coco.annToMask(single)
40
mask_pic +=
mask_single
41
42
for
row
in
range(height):
43
for
col
in
range(width):
44
if
(mask_pic[row][col] >
0):
45
mask_pic[row][col] = 255
46
47
imgs = np.zeros(shape=(height, width, 3), dtype=
np.float32)
48
imgs[:, :, 0] =
mask_pic[:, :]
49
imgs[:, :, 1] =
mask_pic[:, :]
50
imgs[:, :, 2] =
mask_pic[:, :]
51
imgs =
imgs.astype(int)
52
img_name = img[
'
file_name
'
].split(
"
.
"
)[0]
53
plt.imsave(binary_img_save +
"
/
"
+ img_name +
"
.png
"
, imgs)
54
55
if
__name__
==
'
__main__
'
:
56
57
json_path =r
"
G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\test
"
58
img_path=r
"
G:\jianfeng\code\dataset\coco\train2014
"
59
color_img_save = r
"
G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\color_img
"
60
binary_img_save = r
"
G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\binary_img
"
61
62
get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save)
最終出現(xiàn)這些結(jié)果：
? ? ?
最后在搜索得到二值圖方法時，也找到了一個不錯的源碼，但是他是將labelme格式的json或者xml轉(zhuǎn)為二值圖，雖然不是將coco格式轉(zhuǎn)為二值圖，但是記錄下也許以后也會用的到
https://github.com/samr28/labelme-to-binary-image
?參考：
https://blog.csdn.net/wc781708249/article/details/79603522
https://blog.csdn.net/u013735511/article/details/79099483
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機(jī)微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
