八、使用代码对道路结果进行后处理及iou优化步骤详解

老师又给我画了大饼
没办法 只能按照他们的想法做个尝试
上一篇的方法还没进行下去
就被叫停 又更新了一个新的想法

这里记录一下
我的尝试过程

一、图片膨胀

首先使用代码对道路进行膨胀
这里的代码
import cv2
import numpy as np

img = cv2.imread(gt_dir+name, 0)    
kernel = np.ones((7, 7), np.uint8)    
img_dilate = cv2.dilate(img, kernel, iterations = 1)    
cv2.imwrite(gt_dir+name+'_mask.png',img_dilate.astype(np.uint8))

img – 目标图片
kernel – 进行操作的内核，默认为3×3的矩阵
iterations – 膨胀次数，默认为1

我把kernel改成70确实就很明显

膨胀后：

但是存在一个问题 这个代码读取保存的图像是8位深度的
而我们需要的是24位的
imwrite没有直接写入RGB的参数
主要是在imread读取的是什么格式那么保存的就是什么格式的
那么我们要保存24位的就要这样写

img = cv2.imread(gt_dir+name, cv2.IMREAD_COLOR)    
kernel = np.ones((7, 7), np.uint8)    
img_dilate = cv2.dilate(img, kernel, iterations = 1)    
cv2.imwrite(gt_dir+name+'_mask.png',img_dilate.astype(np.uint8))
``

第一步完成

二、计算iou

首先原iou为
Get miou.
test_mIoU: 72.79
test_mPA: 80.12
Get miou done.

膨胀real图片之后，不变predict的iou为
Get miou.
test_mIoU: 67.22
test_mPA: 69.53
Get miou done.

如果把pre膨胀 不变real：
Get miou.
test_mIoU: 69.79
test_mPA: 86.76

两个都膨胀：
Get miou.
  test_mIoU:  74.72
  test_mPA:  81.2
Get miou done.