COCO_04 展示COCO格式数据集 目标框与分割mask
Posted LiQiang33
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了COCO_04 展示COCO格式数据集 目标框与分割mask相关的知识,希望对你有一定的参考价值。
文章目录
1 前言
上篇文章介绍了如何制作COCO个数数据集的Dataset
与Dataloader
,并绘制了dataloader->batch
的返回的信息,https://blog.csdn.net/qq_44776065/article/details/128698022,接下来我们直接根据标注文件来绘制标注信息,来更好的认识数据集以及其操作方法
2 绘制GT
指定标注文件以及数据集根路径之后,按照图片索引展示标注
创建COCO数据集对象
from pycocotools import mask as coco_mask
from pycocotools.coco import COCO
def get_COCO(dataset_root, anno_file):
anno_path = os.path.join(dataset_root, anno_file)
anno = COCO(anno_path)
return anno
pass
if __name__ == "__main__":
dataset_root = r"D:\\Learning\\OCT\\oct-dataset-master\\dataset\\dataset_stent_coco"
anno_file = r"P13_1_IMG002_annotations.json"
coco = get_COCO(dataset_root, anno_file)
# show_bbox(coco, index=1, cat_id=2, dataset_root=dataset_root)
show_seg(coco, index=1, cat_id=2, dataset_root=dataset_root, alpha=0.5)
pass
2.1 绘制目标框与类别
在获取bbox信息之后,根据坐标绘制矩形框即可,一个图像的标注含有1到多个bbox,需要逐个绘制
绘制目标框使用PIL.ImageDraw
,绘制目标框有两种方式ImageDraw.rectangle()
和ImageDraw.line
使用ImageDraw.rectangle()
无法指定边界颜色来表示种类
使用ImageDraw.line()
可以指定颜色来表示种类,更加灵活
Code:
anno
:COCO标注对象index
:图片索引cat_id
:种类dataset_root
:数据集根路径
# 绘制图片中某类的bbox
def show_bbox(anno, index, cat_id, dataset_root):
image_ids = anno.getImgIds()
image_id = image_ids[index]
# 加载图片
image_filename = anno.loadImgs(image_id)[0]["file_name"]
image_filepath = os.path.join(dataset_root, image_filename)
img = Image.open(image_filepath).convert('RGB')
# 加载标注
ann_ids = anno.getAnnIds(imgIds=image_id, catIds=cat_id)
annos = anno.loadAnns(ann_ids)
# 获取类别
cat = anno.loadCats(cat_id)
# 创建绘制对象
draw = ImageDraw.Draw(img)
# 绘制标签
for ann in annos:
x, y, w, h = ann["bbox"]
x_min, y_min, x_max, y_max = x, y, int(x + w), int(y + h)
# 1 绘制矩形
# draw.rectangle((x_min, y_min, x_max, y_max), width=1) # 不用fill参数, 会填充区域
# 2 绘制直线
# 确定四个点
left_top , left_bottom, right_top, right_bottom = (x, y), (x, y+h), (x+w, y), (x+w, y+h)
draw.line([left_top, left_bottom, right_bottom, right_top, left_top], fill="red", width=2)
draw.text((x_min, y_min), cat[0]["name"], fill="red")
plt.imshow(img) # 默认为RGB空间
plt.show()
...
指定类别为1的效果:
2.2 绘制分割mask
与bbox一样,一个图片的标注含有多个mask,遍历每个mask进行绘制
绘制过程为:将mask前景转换为bool类型的矩阵,对图片含有目标前景的部分进行颜色赋值;本此使用的数据集均无重叠目标
透明mask的实现方法:img = img * (1 - alpha) + img_copy * alpha
根据种类cats
定义颜色的RGB:color ="1": (255, 255, 0), "2": (255, 0, 255)
,可以根据自己的种类定义颜色
def show_seg(anno, index, cat_id, dataset_root, color ="1": (255, 255, 0), "2": (255, 0, 255), alpha=0.5):
image_ids = anno.getImgIds()
image_id = image_ids[index]
# 加载图片
image_filename = anno.loadImgs(image_id)[0]["file_name"]
image_path = os.path.join(dataset_root, image_filename)
img = Image.open(image_path).convert('RGB')
# 加载类别
cats = anno.loadCats(cat_id)
# 加载标注
anno_ids = anno.getAnnIds(image_id, cat_id)
anns = anno.loadAnns(anno_ids)
# 处理mask, 保存为数组
img_w, img_h = img.size # 获取图片大小, w与h
cats, masks = [], [] # 存储每个obj信息
for ann in anns:
cats.append(ann["category_id"])
polygons = ann["segmentation"]
# 转化为rle,再转化为mask, mask维度为3 [h, w, 1]
rles = coco_mask.frPyObjects(pyobj=polygons, h=img_h, w=img_w)
mask = coco_mask.decode(rles)
# 降低维度, 转化为2值图像
mask = np.squeeze(mask, axis=2)
masks.append(mask)
# 转化为numpy数组
if masks:
masks = np.stack(masks, axis=0)
else:
masks = np.zeros((0, img_h, img_w), dtype=np.uint8) # uint8类型图像
masks = np.where(masks > 0.5, True, False)
# 不同颜色显示
img = np.array(img) # 一份拷贝
img_to_draw = np.copy(img)
# 按照obj个数绘制, 颜色数不好确定
# colors = [(255, 255, 0), (0, 255, 255), (255, 176, 8), (123, 232, 78), (23, 234, 111), (132, 231, 232)]
# for mask, color in zip(masks, colors):
# img_to_draw[mask] = color
# 怎么与cats类别信息结合
for mask, cat in zip(masks, cats):
img_to_draw[mask] = color[str(cat)]
img = img * (1 - alpha) + img_to_draw * alpha
out = np.array(img, dtype=np.uint8) # 需要转化为uint8进行保存
# img_save = Image.fromarray(img)
# img_save.save(f"./test_catcat_id.png")
plt.imshow(out) # 展示彩色图像
plt.show()
指定为2的效果
3 Appendix
A. mask polygon格式转化为图片格式
从标注中获取polygon
数据,将其转化为rle
格式,再将rle
格式转化为mask
,对前景mask
进行转化:[h, w, c]->[h, w]
c只有一个维度,最后合并为numpy.ndarray
cats, masks = [], [] # 存储每个obj信息
for ann in anns:
cats.append(ann["category_id"])
polygons = ann["segmentation"]
# 转化为rle,再转化为mask, mask维度为3 [h, w, 1]
rles = coco_mask.frPyObjects(pyobj=polygons, h=img_h, w=img_w)
mask = coco_mask.decode(rles)
# 降低维度, 转化为2值图像
mask = np.squeeze(mask, axis=2)
masks.append(mask)
# 转化为numpy数组
if masks:
masks = np.stack(masks, axis=0)
else:
masks = np.zeros((0, img_h, img_w), dtype=np.uint8)
注意:对于mask处理常常将其转化为bool
数组masks = np.where(masks > 0.5, True, False)
参考
COCO数据集介绍:https://blog.csdn.net/qq_37541097/article/details/113247318
以上是关于COCO_04 展示COCO格式数据集 目标框与分割mask的主要内容,如果未能解决你的问题,请参考以下文章