将语义分割的标签转换为实例分割（yolo）的标签

语义分割的标签（目标处为255，其余处为0）

实例分割的标签（yolo.txt）,描述边界的多边形顶点的归一化位置

绘制在原图类似蓝色的边框所示。

废话不多说，直接贴代码；

import os
import cv2
import numpy as np
import shutil

def img2label(imgPath, labelPath, imgbjPath, seletName):
    # 检查labelPath文件夹是否存在
    
    if not os.path.exists(labelPath):
        os.makedirs(labelPath)
    if not os.path.exists(imgbjPath):
        os.makedirs(imgbjPath)
    imgList = os.listdir(imgPath)
    for imgName in imgList:
        # 筛选
        if imgName.split('_')[0] != seletName and seletName != '':
            continue
        print(imgName)
        img = cv2.imread(imgPath + imgName, cv2.IMREAD_COLOR)
        h, w, _ = img.shape
        # print(h, w)
        GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #图片灰度化处理
        ret, binary = cv2.threshold(GrayImage,40,255,cv2.THRESH_BINARY) #图片二值化,灰度值大于40赋值255，反之0
        # ret, binary = cv2.threshold(binary, 80, 255, cv2.THRESH_BINARY_INV)    # （黑白二值反转）
        cv2.imwrite(r'denoisedfz.png', binary) #保存图片
        # 腐蚀
        # kernel = np.ones((3,3),np.uint8) 
        # binary = cv2.erode(binary,kernel,iterations = 3)
        
        thresholdL = h/100 * w/100   #设定阈值
        thresholdH = h/1 * w/1   #设定阈值

        #cv2.fingContours寻找图片轮廓信息
        """提取二值化后图片中的轮廓信息 ，返回值contours存储的即是图片中的轮廓信息，是一个向量，内每个元素保存
        了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓，有多少轮廓，向量contours就有
        多少元素"""
        contours,hierarch=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_TC89_L1)
        contoursNorm = []
        objs= []
        # print(contours)
        for i in range(len(contours)):
            
            area = cv2.contourArea(contours[i]) #计算轮廓所占面积
            # print(area)
            if area > thresholdL and area < thresholdH:
                obj = ['0']
                for point in contours[i]:
                    obj.append(str(point[0][0] * 1.0 / w)) # 获取x
                    obj.append(str(point[0][1] * 1.0 / h)) # 获取y
                contoursNorm.append(contours[i])
                objs.append(obj)
        
        # print(objs[10])
        # 查看效果
        cv2.drawContours(img, contoursNorm, -1,(255,0,0),2)
        cv2.imwrite(imgbjPath+imgName, img) #保存图片

        if len(objs) == 0:
            print('不保存标签，跳过！')
            continue
        # 写入txt
        realName = imgName.split('-l')[0]
        f=open(labelPath + realName + '.txt',"w")
        for obj in objs:
            f.writelines(' '.join(obj))
            f.writelines('\n')
        f.close()
        # break

# oridata 保存着原图像
# maskdata 保存着标签图像
# lab 保存这yolo格式的标签文件
# bj 保存着标记好边界的图像

def OrganizeImages(path):
    imgs = os.listdir(path)
    for im in imgs:
        imPath = os.path.join(path, im)
        if im.split('.')[-1] == 'jpg':
            # 原图像
            # 移动到oridata
            source_path = imPath
            destination_path = 'data\\oridata\\' + im
            shutil.copy(source_path, destination_path)
        if im.split('.')[-1] == 'png':
            # mask label
            # 移动到maskdata
            source_path = imPath
            destination_path = 'data\\maskdata\\' + im
            shutil.copy(source_path, destination_path)


if __name__ == '__main__':
    img2label(
        imgPath='data\\maskdata\\',  # maskdata 保存着标签图像
        labelPath='data\\lab\\',     # lab 保存这yolo格式的标签文件
        imgbjPath = 'data\\bj\\',    # bj 保存着标记好边界的图像
        seletName='')