使用ENVI的ROI工具绘制深度学习标签

1 具体步骤

       制作深度学习所需的标签，除了使用labelme，还可以利用ENVI中的ROI工具。具体方法如下：

1.  打开ENVI 5.3，加载一幅影像，然后在上方工具栏点击“roi按钮”。

2. 新建一类兴趣区。如果要制作树木的标签，就在图上标注树木区域。

3. 标注完后，在toolbox中依次点击Regions of Interest >> Classification Image from ROIs，将绘制好的兴趣区先保存为Memory。

4. 依次点击File >> Save as , 选择memory, 将其保存为tif格式。

5. 输出成功。打开''Quick Stats"，可以看到输出的是0-1二值图像。

2 一些问题

        使用上面的方法得到的标签，只有在envi、arcgis，以及其他使用GDAL库读取文件的软件或代码里读取，图像的像素值才是类别值（比如0，1，2）；如果使用OpenCV库里的imread函数打开，图像的像素值就不是类别值，而是类别对应的颜色值。因此我加上了一个转换的代码，把ENVI得到的标签转换为像素值为类别号的灰度图，前提是需要保存兴趣区的.xml文件。

# -*- coding:utf-8 -*-
"""
@Time: 2023/4/2 21:45
@author: Geoflyme
@file: label_RGBto01.py

"""
import matplotlib.pyplot as plt
import cv2
import numpy as np

# 使用envi得到的label, 在py打开是RGB格式的图，不是我们所需的分类值。
# 利用.xml文件，查找每一个类别所对应的色彩值，建立起一个查找表（例如label中色彩值为（0，255，0）的像元属于第2类地物）。
# 利用查找表可以进行转换，将RGB转换为值为类别索引的灰度图。

# 函数：读取.xml文件中的 <Region name = "xxx" color="x,x,x">
def read_xml(path,classes):
    table = np.zeros((classes, 3), dtype=np.int64)
    l = ""
    file = open(path, 'r')
    data = file.readlines()
    classnum = 0
    for i in data:
        if 'Region name' in i :
            classnum = classnum + 1
            l = i
            temp = l.split("\"")[3]
            table[classnum,0] = int(temp.split(",")[0])
            table[classnum,1] = int(temp.split(",")[1])
            table[classnum,2] = int(temp.split(",")[2])
    return(table)


# 分类数（含背景）
classnum = 2
# xml文件路径
xml_path = r'cd10.xml'
# 调用函数求颜色查找表
table = read_xml(xml_path,classnum)
print("table = ", table)

# 读取RGB形式的label
img_path = r'cd10_label.tif'
img = cv2.imread(img_path)[:, :, (2, 1, 0)]
h = img.shape[0]
w = img.shape[1]
# 定义输出图像 单波段灰度图
output = np.zeros((h,w),dtype=np.int64)

# 映射
for i in range(h):
  for j in range(w):
      for k in range(classnum):
           if img[i, j, 0] == table[k, 0] and img[i, j, 1] == table[k, 1] and img[i, j, 2] == table[k, 2]:
                   output[i,j] = k

# 输出图像
ori = img_path.split(".")[0]
cv2.imwrite(ori+"_out.png", output)