将[0,255]的二值图像转成可以训练的[0,1]二值图像

吴天德少侠

已于 2023-05-11 15:30:29 修改

阅读量7.7k

点赞数 10

CC 4.0 BY-SA版权

文章标签：深度学习

于 2022-04-13 19:25:41 首次发布

本文链接：https://blog.csdn.net/sdhdsf132452/article/details/124155656

深度学习专栏收录该内容

69 篇文章

订阅专栏

这篇博客介绍了如何在深度学习的语义分割任务中，将使用255表示的二分类图像数据集转换为0和1表示的格式，以便于模型训练。通过Python和C++代码示例展示了转换过程，涉及图像读取、像素值替换和保存。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

在深度学习中的语义分割任务中，像素值大小代表种类，例如0为背景， $1, 2, 3, ... n$ 代表了各个种类。因此如果下载的二分类语义分割数据集图像是 $0, 255$ 的二值图像的话，就需要存成 $0, 1$ 图像进行训练

代码

from PIL import Image
import numpy as np
import os

if __name__ == '__main__':
    work_dir = "Test_GroundTruth" # 图像所处文件夹
    file_names = os.listdir(work_dir)
    for file_name in file_names:
        # print(file_name) # ISIC_0000000_Segmentation.png
        file_path = os.path.join(work_dir,file_name)

        image = Image.open(file_path)
        img = np.array(image)
        img[img==255] = 1
        
        # 重新保存
        image = Image.fromarray(img,'L')
        new_name = file_name[:-4]
        new_name = new_name.strip("_Segmentation") # 文件名处理成和图像一样的名字

        image.save(f'{new_name}.png')

cpp参考

#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat img = imread(
		"E:/download/custom_dataset/labels_0-255/ISIC_0000000_segmentation_0.jpg",0);
	cout << img.size << endl;
	cout << img.channels() << endl; // [256,256,1]
	/*imshow("w", img);
	waitKey();*/

	for (int j = 0; j < img.rows; j++) {
		uchar* p = img.ptr<uchar>(j);
		for (int i = 0; i < img.cols; i++) {
				if (int(p[i]) != 0) {
					p[i] = 1;
			}
		}
	}

	imshow("w", img);
	waitKey();
	imwrite("re.png", img);

	return 0;
}

结果

在这里插入图片描述

显示

因为opencv的显示不能自动放缩，所以看起来是全黑的，这个时候我们用python的matplotlib包来显示保存下来的文件看看

import matplotlib.pyplot as plt
from PIL import Image

if __name__ == '__main__':
    re = Image.open('re.png')
    plt.imshow(re,cmap='gray')
    plt.show()

在这里插入图片描述