通过画图等效labelme制作分割数据集

在制作分割数据集时需要对图像进行标注，但标注过程比较耗时，因此想到通过画图填充的方法制作mask标签，从而节省时间。（注：最好图片格式为png）

1. 对图像进行画图填充
2. 调整像素值
   填充后的图像存在一个问题，如填充为红色，像素值应为（255,0，0），但实际填充后像素值可能为（240, 0，0），从而造成像素值存在误差，而图像分割实质是根据像素值进行分类，因此结果可能会造成存在多余类别。因此需对像素值进行调整。代码如下：

#黑色（0,0,0）
#红色（255,0,0）
#蓝色（0,0,255）

import os
from PIL import Image

path = 'C:/Users/123/Desktop/1/'
savedpath = 'C:/Users/123/Desktop/2/'
filelist = os.listdir(path)
for item in filelist:
    im = Image.open(path + item)  # 打开图片
    pix = im.load()  # 导入像素
    width = im.size[0]  # 获取宽度
    height = im.size[1]  # 获取长度

    for x in range(width):
        for y in range(height):
            r, g, b = im.getpixel((x, y))
            g = 0
            if r <= 50:
                r = 0
                if b <= 50:
                    b = 0
                else: b = 255
            if r > 50 and b <= 50:
                r = 255
                b = 0
            if r > 50 and b > 50:
                if r > b :
                    r = 255
                    b = 0
                else:
                    r = 0
                    b = 255
            rgb = (r, g, b)
            im.putpixel((x, y), rgb)
            #print(rgb)
            #if (a == 0):
                #im.putpixel((x, y), (0, 0, 0, 0))
            #if (a == 255):
                #im.putpixel((x, y), (255, 255, 255, 255))

    im = im.convert('RGB')
    new_name = item[0: -4] + '.png'
    im.save(savedpath + new_name)
    print('item of %s is saved ' % (new_name))

3.rgb转单通道灰度图
利用labelme标注生成的json文件，转为png后，其实只包含n个像素值（n为类别数）若只有两类，则只包含0和1，因此我们需要将rgb图像转换为单通道灰度图。即如（255,0，0）转换为0，（0，0，255）转换为1，。。。依次。这样制作的mask等效于labelme标注生成的mask。

from random import randint
import os
import numpy as np
import imgviz
from PIL import Image

def get_gray_cls(van_lbl):
    cls = [0]  # 用来存储灰度图像中每种类别所对应的像素，默认背景色为0
    for x in range(van_lbl.size[0]):
        for y in range(van_lbl.size[1]):
            pix = van_lbl.getpixel((x, y))
            #print(array_lbl[x, y])
            if pix not in cls:
                cls.append(pix)
    return cls

def get_P_cls(cls_gray):
    cls_P = []  # 将灰度图像中的每类像素用0~N表示
    for i in range(len(cls_gray)):
        cls_P.append(i)
    return cls_P

def array_gray_to_P(cls_gray, cls_P, array):
    for i in range(len(cls_gray)):
        array[array == cls_gray[i]] = cls_P[i]
    return array

if __name__ == '__main__':
    label_from_PATH = 'C:/Users/123/Desktop/2/'  # 存放原始label的路径
    label_to_PATH = 'C:/Users/123/Desktop/4/'   # 存放转换后图像当路径
    van_file = 'C:/Users/123/Desktop/2/0246.png'   # 必须是一张包含所有类别的图像,称之为先锋图像
    van_lbl = Image.open(van_file).convert('L')  # 将先锋图像转换为灰度图像
    print(van_lbl.size)
    #array_lbl = np.array(van_lbl)  # 获得灰度图像的numpy矩阵
    #print(array_lbl.size)
    cls_gray = get_gray_cls(van_lbl)  # 获取灰度图像中每种类别所对应的像素值
    print(cls_gray)
    cls_P = get_P_cls(cls_gray)  # 将灰度图像中的每种类别所对应的像素值映射为0~N
    print(cls_P)

    #print(cls_gray)
    #print(cls_P)

    file_list = os.listdir(label_from_PATH)
    if not os.path.isdir(label_to_PATH):
        os.mkdir(label_to_PATH)
    # 遍历每一张原始图像
    for file_name in file_list:
        file_path = os.path.join(label_from_PATH, file_name)
        orig_lbl = Image.open(file_path).convert('L')  # 将图像转换为灰度图像
        array_gray = np.array(orig_lbl)  # 获得灰度图像的numpy矩阵
        array_P = array_gray_to_P(cls_gray, cls_P, array_gray)  # 将灰度图像的numpy矩阵值映射为0~N
        label = Image.fromarray(array_P.astype(np.uint8), mode='P')  # 转换为PIL的P模式
        # 转换成VOC格式的P模式图像
        colormap = imgviz.label_colormap()
        label.putpalette(colormap.flatten())
        label.save(os.path.join(label_to_PATH, file_name))