COCO数据集根据json文件生成mask二值图
数据格式(COCO JSON文件)
# 处理json数据并保存二值mask
def json_to_mask_data(annFile, mask_to_save):
'''
Args:
annFile: JSON file
mask_to_save: save path
Returns:
'''
# 获取COCO_json的数据
coco = COCO(annFile)
# 图片数据id catNms id list 如:catNms=['cat','dog','person']
classes_ids = coco.getCatIds(catNms=['dog'])
# 取所有类别的并集的所有图片id
imgIds_list = []
# 每个类别id对应的图片并获取图片的id
for idx in classes_ids:
imgidx = coco.getImgIds(catIds=idx) # 将该类别的所有图片id好放入到一个列表中
imgIds_list += imgidx
# 去除重复的图片
imgIds_list = list(set(imgIds_list))
# 获取所有图像的信息
image_info_list = coco.loadImgs(imgIds_list)
# 每张图片生成一个mask
for imageinfo in image_info_list:
# 获取对应类别的分割信息
annIds = coco.getAnnIds(imgIds=imageinfo['id'], catIds=classes_ids, iscrowd=None)
anns_list = coco.loadAnns(annIds)
# 生成二值mask图
mask_image = mask_generator(coco, imageinfo['width'], imageinfo['height'], anns_list)
# 保存图片
file_name = mask_to_save + 'jsontomask.jpg'
plt.imsave(file_name, mask_image)
根据nii文件生成mask二值图
def nii_to_image(filepath, imgfile):
'''
Args:
filepath: nii file
imgfile: save path
Returns:
'''
filenames = os.listdir(filepath) # 读取nii文件夹
slice_trans = []
for f in filenames:
# 开始读取nii文件 建议怎么写入怎么读入
img_path = os.path.join(filepath, f)
itk_img = sitk.ReadImage(img_path)
img = sitk.GetArrayFromImage(itk_img)
print("img shape:", img.shape)
fname = f.replace('.nii.gz', '') # 去掉nii的后缀名
img_f_path = os.path.join(imgfile, fname)
# 创建nii对应的图像的文件夹
if not os.path.exists(img_f_path):
os.makedirs(img_f_path) # 新建文件夹
# 开始转换为图像
(x, y, z) = img.shape
for i in range(x): # z是图像的序列
silce = img[i, :, :] * 255
imageio.imwrite(os.path.join(img_f_path, '{}.png'.format(i)), silce)
目的:
为了check mask值是否正确
版权声明:本文为CSDN博主「全只long」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_44675033/article/details/122586346
暂无评论