在单通道彩图上踩的坑

使用labelme后，生成如图所示文件夹，其中JPEGImages是原图，SegmentationClassPNG是标签。

此时SegmentationClassPNG中的标签（masks）是只包含0和1的二进制文件，0表示背景,1表示要识别的物体类型。（二分类），为单通道彩色图

查看图片的像素点：参考：Python查看图片模式及像素

src= Image.open(r"D:/CV/images/change/vocSample/SegmentationClassPNG/bad-003.png")

print(src.mode)


for y in range(src.size[1]):#行不变
	for x in range(src.size[0]):#列变化
		pix = src.getpixel((x,y))
		print(pix)

此时SegmentationClassPNG中图片的像素点如下：

由于原数据集较小，因此使用albumentations进行数据增强，由于cv2默认读取为BGR格式，因此masks变成了多通道彩色图。

1.将多通道彩色图转为单通道灰度图

from PIL import Image
import os 
path = 'D:\\CV\\images\\test\\masks' # 读取图片文件夹路径
save_path = 'D:\\CV\\images\\test\\masks_oneChennal'  # 保存图片文件夹路径
file_list = os.listdir(path) # 读取路径下所有图片的名字

# 对每张图片进行转换
for file in file_list:
    o_img = Image.open(path+ '/' + file)
    L_img = o_img.convert('L') # 转换为灰度图片
    L_img.save(save_path + '/' + file)
print("已完成")

查看此时的像素点由0和38构成：

3.将图片的像素值变为只包含0或1的二进制文件。参考：数据增强系列（5）PyTorch和Albumentations用于语义分割

def preprocess_mask(mask):
    mask = mask.astype(np.uint8)
    mask[mask == 0] = 0
    mask[(mask == 1) | (mask == 38)] = 1
    return mask
src= Image.open("D:/CV/images/MyDataSet/UnetDataSet/test/UnetTestOut/new.png")
mat = np.array(src)
print(mat)
mask=preprocess_mask(mat)
print(mask)
dst = Image.fromarray(mask, 'P')
dst.save("D:/CV/images/MyDataSet/UnetDataSet/test/UnetTestOut/01.png")

原来的多通道图片转为单通道灰度图后，并不是完全由0或1构成，需要进行转换，如下图：

此时的01.png仅是只包含0和1的二进制文件
3.将单通道灰度图，变为单通道彩图，更容易区分，参考：numpy转PIL.Image: 处理Mask图像为单通道的彩色/灰度图colormap.png

import numpy as np
import PIL.Image as Image

def preprocess_mask(mask):
    mask = mask.astype(np.uint8)
    mask[mask == 0] = 0
    mask[(mask == 1) | (mask == 38)] = 1
    return mask
src= Image.open("D:/CV/images/MyDataSet/UnetDataSet/test/UnetTestOut/new.png")
mat = np.array(src)
print(mat)
mask=preprocess_mask(mat)
print(mask)
dst = Image.fromarray(mask, 'P')
bin_colormap = [0,0,0] + [255,0,0]*254    # 二值调色板,红色
dst.putpalette(bin_colormap)
dst.save("D:/CV/images/MyDataSet/UnetDataSet/test/UnetTestOut/01.png")