labelme批量训练自己的数据集并批量二值化

一无所知小白兔

已于 2024-03-19 13:53:32 修改

阅读量651

点赞数

文章标签：深度学习 pytorch 人工智能

于 2022-06-19 16:35:55 首次发布

本文链接：https://blog.csdn.net/msncyt123/article/details/125359080

版权

本文介绍了如何使用Python脚本批量重命名label.png文件，并将其转换为二值图像。首先，脚本通过os库重命名图片，然后将所有子文件夹下的图片合并到一个总文件夹。接着，展示了如何使用OpenCV进行灰度处理和二值化操作。适合初学者了解图片处理基础。

摘要由CSDN通过智能技术生成

参考了很多大佬的文章。。。。。

运行配置参数形成json文件

运行rename.py，放在文件夹外，此脚本将所有的label.png重命名为你原图的名字+.png

#-*-coding:utf-8-*-
# 把label.png改名为1.png
import os
for root, dirs, names in os.walk(r'process'):   # 改成你自己的json文件夹所在的目录
    for dr in dirs:
        file_dir = os.path.join(root, dr)
        # print(dr)
        file = os.path.join(file_dir, 'label.png')
        # print(file)
        new_name = dr.split('_')[0]  + '.png'
        new_file_name = os.path.join(file_dir, new_name)
        os.rename(file, new_file_name)

然后，将所有子文件夹下的图片复制到一个总文件夹下中，可参考：

# coding=utf-8
import os
import shutil

#目标文件夹，此处为相对路径，也可以改为绝对路径
determination = '/../../目标文件夹/'
if not os.path.exists(determination):
    os.makedirs(determination)

#源文件夹路径
path = '/../../源文件夹'
folders = os.listdir(path)
for folder in folders:
    dir = path + '/' + str(folder)
    files = os.listdir(dir)
    for file in files:
        source = dir + '/' + str(file)
        deter = determination + '/' + str(file)
        shutil.copyfile(source, deter)

效果如图，但是有其他类型图片，不知道怎么操作只保留label.png（小白一个）所以只能手动删掉了，如果有懂得大佬！！！麻烦留言评论下，感激不尽

批量转化为二值图，如图

import cv2
import os


def convert_png2seg(input_dir,output_dir):
    files = os.listdir(input_dir)
    for file in files:
        part = file.split('.')
        part0 = part[0]
        part1 = part[1]
        img = cv2.imread(input_dir+file)
        img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

        retval, binary = cv2.threshold(img_gray, 5, 255, cv2.THRESH_BINARY)  #阈值处理
        cv2.imwrite(output_dir + part0 + '.' + part1, binary)


if __name__ == "__main__":
    input_dir = r"D:\box\edge/"
    output_dir = r"D:\box\output/"
    convert_png2seg(input_dir,output_dir)

仅供个人学习！！！：