Lab-VOC数据集（多分类）制作

Lab-VOC数据集（多分类）制作

1.使用精灵标记助手标注

• 标记时对一张图片标记四次
• 导出时一张原图对应四张标记图
• 处理标记图时预先将标记图分为四类，对应每一分类，文件数量相同且与原图数量相等（这一步手动操作比较麻烦）

我的文件夹设置

转换灰度

• 运行四次，每次更改对应路径

import cv2
import os
path = 'attachments/0'
path1 = 'attachments/0_puts'
file_list = os.listdir(path)
for file in file_list:
    I = cv2.imread(path+'/'+file)
    imGray = cv2.cvtColor(I, cv2.COLOR_BGR2GRAY)
    cv2.imwrite(path1+"/"+file,imGray)
    cv2.imshow('frame',imGray)
    cv2.waitKey(1)

灰度设值

• 我把四类分别设置成了固定值10,11,12,13
• 运行四次，每次更改对应路径

import cv2 as cv
import os
path = 'attachments/3_puts'
path1 = 'attachments/3_puts_13'
file_list = os.listdir(path)
for file in file_list:
    img=cv.imread(path+"/"+file)
    imgCopy = img
    imgCopy[imgCopy > 0] = 13
    cv.imwrite(path1+"/"+file,imgCopy)

四图合成

import os
import cv2
import numpy as np

def fourPicCompose(img0,img1,img2,img3):
    imgResult = np.zeros((512,512)) # 已知图片大小
    imgResult = img0 + img1 + img2 + img3
    imgResult[imgResult > 20] = 10 # 防止重合，重合时值设置为第一类的值
    return imgResult

path = 'attachments/0_puts_10'
file_list = os.listdir(path)
for file in file_list:
    fileName=file[:-5] # 得到文件的基础名'(?)_'
    print(fileName)
    #读取四个文件块的特定名称的图片，
    img0=cv2.imread('attachments/'+'0_puts_10'+'/'+fileName+'1.png',cv2.IMREAD_GRAYSCALE)
    img1=cv2.imread('attachments/'+'1_puts_11'+'/'+fileName+'2.png',cv2.IMREAD_GRAYSCALE)
    img2=cv2.imread('attachments/'+'2_puts_12'+'/'+fileName+'3.png',cv2.IMREAD_GRAYSCALE)
    img3=cv2.imread('attachments/'+'3_puts_13'+'/'+fileName+'4.png',cv2.IMREAD_GRAYSCALE)

    # 得到四合一合成图
    imgResult=fourPicCompose(img0,img1,img2,img3)

    cv2.imshow('frame',imgResult)
    cv2.waitKey(1)

    cv2.imwrite('attachments/results/'+fileName+'.png',imgResult)

Tips

• 无论用cv2还是PIL转换灰度图，直接读取后图片的shpae还是[???,???,3]。使用cv2读取时加上参数得cv2.imread(？？？,cv2.IMREAD_GRAYSCALE)