利用PS进行墙面、道路、大坝、隧道等各种裂缝分割数据的高效标注——超详细，超实用

目录

一、为什么选择用ps进行标注

1、Labelme:

2、精灵标注助手:

3、PS

二、ps安装教程

三、标注步骤：

四、对标签进行二值化处理：

---

一、为什么选择用ps进行标注

结合我在各大学习平台搜索的资料，进行裂缝分割数据的标注，一般有三个软件，分别是Labelme，精灵标注助手还有ps。总结了这三款标注软件的优缺点如下：

1、Labelme:

优缺点：

1、环境配置及安装复杂

2、标注后的数据需要进行批量的Json文件转化。

3、标注数据精度较高，操作较简单

4、数据量大时有时会闪退，打开比较麻烦

2、精灵标注助手:

优缺点：

1、操作简单便捷。

2、只有一个涂抹工具可以用，要不断调整涂抹范围大小，非常繁琐。

3、标错后只能利用擦除工具进行擦除。

4、标注的道路裂缝的颜色只能通过修改标注信息名称来修改，不能指定颜色。

5、标注精度不高。

3、PS

优缺点：

1、标注精度较高，可达像素级。

2、操作较简单

3、占用内存大，不能同时打开多张图进行标注，容易卡

总体来说效果较好

从上述分析可知，ps的操作更加的灵活，而且标注的精度更高，省去了标注后的数据需要进行批量的Json文件转化的繁琐操作，达到了像素级标注的要求，实现了像素级分割。经过本人的大量实验总结出了以下标注步骤。

二、ps安装教程

Photoshop以其强悍的编辑和调整、绘图等功能得到广泛应用，各种图片的调整和图画绘制以及图像的修复、调色等工具数不胜数，从照片修饰到海报、包装、横幅的制作以及照片的处理，只要你想得到，总能在这里实现!丰富的预设让你的工作更加轻松。

【地址】链接：
https://pan.baidu.com/s/1ivtspC_QCjU0JBzaPwfenQ
提取码：cq4k

【操作系统】 64位

【安装环境】 Win10

【安装步骤】【软件】Photoshop 2022软件下载及安装教程

三、标注步骤：

1、将其他应用关闭，只打开PS软件，因为PS软件占用内存较大，容易卡或者出现功能异常

2、新建文件夹如图所示，新建一个以数据名命名的文件夹，然后再建下图两个文件夹，将需要标注的数据放入image中，mask文件夹保存最后的标注结果（现在为空）。

3、打开需要标注的图片

直接点击打开，或者点击文件--打开。一次建议打开5张图片，多的话PS容易闪退

打开后如图所示：

使用alt+鼠标滚轮可以对图片进行缩放。

4、选中背景图层，依次点击图像—自动对比度，对图片设置更高的对比度，便于分割裂缝。

5、选择魔棒工具，特别注意使用魔棒工具之前要把取样大小设置为取样点，并把消除锯齿前面的勾去掉！！！！这点一定要注意，不然的话抠出的图就会有问题。

6、按Alt+鼠标滚轮将图片放大至像素级，点击魔棒工具后再点击需要扣出的裂缝区域。点击一下鼠标左键只能选择一小块裂缝，想要继续选择更长更完整的裂缝，需要按住shift键再点击鼠标左键。如果标错了想要取消之前选中的裂缝，只需要按住Alt键再点击鼠标左键就可以。通过根据裂缝的粗细还可以适当的调整容差，提高选中效率，我这里设置为15，容差越小一次选中的区域越小，但也越精细，同理，容差越大一次选中的区域越大，但更粗劣，建议一开始用容差大的选中大部分目标，再选择容差小的选择小部分区域。只要是肉眼能看到的裂缝都要进行标注，太小的肉眼都难以辨别的不用标。井盖、坑槽、修补等不属于裂缝不用标。

7、遇到这种情况只需要多点击一下中间的没选中的区域就行。

8、最后遇到这种魔棒工具都解决不了的，需要将这两个裂缝连接在一起的，修改长度的，选择多边形套索工具，注意套索工具也要把消除锯齿前面的勾去掉！！!按住shift键（增加选中）或者alt键（取消选中）对需要操作的地方进行编辑。

1. 

9、在标注过程中有标注错误的地方可以按ctrl+z进行撤回，然后继续标注。全部标注好后如图所示：

10、然后看下图左边前景色是否为黑色，后景色是否为白色，如相反点下图箭头指的符号进行改正。

11、接着按ctrl+退格键（backspace）选择后景色白色。

12、然后按ctrl+shift+i 进行反选，选出非裂缝区域，如下图所示：

13、接着按alt+退格键（backspace）选择前景色黑色，选择后如下图所示：

       ctrl+退格键（backspace）和alt+退格键（backspace）这两个快捷键可以根据需要来回切换，最终的目的就是把裂缝区域变成白色，把非裂缝区域变成黑色。

14、最后按ctrl+shift+s进行保存，保存位置选择之前新建的mask文件夹中。注意最后保存为.png格式的文件，文件名不变还是原来的名字，只是原来的.jpg类型变成了.png类型。

选择默认选项，按确认。

15、最后得到如图所示标签（mask）。

16、将最后得到的标签（mask）图片放大检查，正确的情况应该是第一张图，如果出现第二张图边缘有灰色像素很糊的情况，就是多边形套索工具或者魔棒工具的消除锯齿前面的勾没有去掉。

四、对标签进行二值化处理：

二值图像的用处

二值图像通常用于图像简化，以便进行后续分割、结构元素提取等操作。

另外就是很多的算法都是基于二值图像进行的，所以我们下面我们继续聊聊怎么生成二值图像。

最基本的一个思路就是我们得到的灰度图像，所有的像素值是0-255之间的，打个比方，我们进行图像处理，让像素值小于100的设其像素为0，大于100的设其像素值为1，就得到二值图像了。这个100必然不是固定的，需要进行分析找到这个最适合的值，下面说一下比较常见的算法。

生成二值图像

图像二值化有多种方式，其中最常用的就是采用阈值法进行二值化。而阈值法又细分出来一些算法，像OpenCV的Threshold函数，典型的算法就有Otsu（大津法）、Triangle（三角法）。

以上的方法都是全局阈值技术，另外OpenCV还提供了自适应阈值函数AdaptiveThreshold，自适应阈值一次考虑一小部分相邻像素，计算该特定局部区域的阈值，然后执行分割。

当然，目前利用深度学习进行分割的效果可能很多时候都很不错，不过还是那句话，未必能有那么多的数据来完成任务，这时候还是得选择传统的分割算法。

对数据进行训练时通常需要将图片转化成二值图(只有0和255)的图，具体实现见下列代码：

import cv2
import os

work_dir = r"C:\Users\liu\Desktop\hh"  # 图像所处文件夹
result_dir = r'C:\Users\liu\Desktop\hh2'
file_names = os.listdir(work_dir)
for file_name in file_names:
          # 读取图像文件
        file_path = os.path.join(work_dir, file_name)
        image = cv2.imread(file_path, 0)  # 以灰度模式读取图像
        # 对图像进行二值化处理
        ret, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)
        result_path = os.path.join(result_dir, file_name)
        cv2.imwrite(result_path, binary_image)
        print(file_name + ": " + str(set(binary_image.flatten())))

点击运行即可进行批量的灰度处理。

感谢大家的支持，写这篇文章不容易，希望大家可以点点关注，点点赞。