【PIL】图像分割竞赛中8位深调色板模式的mask读取与保存(PASCAL VOC)

【PIL】图像分割竞赛中8位深调色板模式的mask读取与保存(PASCAL VOC)

1.调色板图像原理

首先理解调色板图像的结构，与RGB模式不同，调色板图像中每个像素为0~255中的一个数，代表颜色索引，而调色板图像本身还会存储一个叫调色板（palette）的数据结构, 最多存储256组rgb颜色。图像中的每一个像素，通过颜色索引， 可以在调色板中获得相应的颜色。
下面是某场比赛的mask数据和它对应的调色板展示：

这场比赛只有4类，mask使用的调色板模式，直接这样使用PIL读入图片，其中图像的像素值为颜色索引，一般来说也正好对应了比赛中的类别编号。

上图为该mask的调色板，因为比赛只有4类，所以除了前4个位置，调色板后面252个位置全置为了0。
不reshape的话，调色板是一维的。

2.代码

2.1 读取mask转换为GT

import os
from PIL import Image
import numpy as np

img_pil = Image.open('mask/xxx.png')
gt = np.array(img_pil)
# img_pil.close() 如果要连续用PIL打开文件最好close一下不用的

2.2 保存调色板

这一步的目的是为了保存模型预测的mask时逻辑上的美观，当然图方便也可以直接用原数据mask中的调色板, 可忽略此步。

img_pil = Image.open('mask/xxx.png')
palette = img_pil.getpalette()  # 获取调色板
np.save('cmap.npy', palette)
img_pil.close()

这样原数据集中的调色板数据就保存在了cmap.npy文件中，之后每次保存mask时就可以直接用cmap的。

2.3 保存预测的mask为调色板模式（P模式）

cmap = np.load('cmap.npy')
img_pil = Image.fromarray(img, mode='P')
img_pil.putpalette(cmap.tolist())  #  赋予调色板，要从numpy变为list
# img_pil.show()
img_pil.save('pred/'+fname)

如果图方便，也可以直接img_pil.putpalette(palette) #2.2中的

3.参考

自制VOC数据集的踩坑记录和解决方案：使用PIL生成8位深的RGB图像

语义分割标签——mask的读取与保存

numpy转PIL.Image: 处理Mask图像为单通道的彩色/灰度图colormap.png

voc分割数据集 pil调色板

自制VOC数据集的踩坑记录和解决方案：使用PIL生成8位深的RGB图像

关于Image模块的调色板