掩码图片转json 坐标数组， mask 转 json

原创

已于 2022-07-29 18:48:58 修改 · 1.8k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#json #python #opencv #深度学习

于 2022-07-28 18:17:21 首次发布

主要方法为：findContours

不懂的自行百度吧, 自行修改代码生成json文件

# encoding: utf-8
"""
@author: _Jack Sparrow
@time:  2022/7/28 16:35
@file: mask_as_json.py
@desc: 掩码图片转json
"""

import cv2
import pandas as pd
import os


def get_coor(img):
    gray = cv2.cvtColor

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

__Hunter__

关注关注

0
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

语义分割：标注json文件转mask

@bangbang的博客

02-22

4634

该方法，在标注自己的数据集时,labelme版本需安装。

语义分割中mask二值图转json格式

qq_41920323的博客

03-07

2479

图像分割中的mask二值图批量转json文件

参与评论您还未登录，请先登录后发表或查看评论

mask rcnn 将mask 转json数据01

weixin_44576543的博客

03-14

5954

存在图片及其对应的mask 文件，通过Python代码转化为json 数据，无需手工制作 1、首先准备好图片和及其对应的mask ，使用的mask为黑底白色 #!/usr/bin/env python3 #把 mask和原图集合到一个json 文件中 import datetime import json import os import re import fnmatch from PIL import Image import numpy as np from pycococrea..

mask rcnn 将mask 转json数据02

weixin_44576543的博客

03-19

1234

1、功能：当 .json _json pic文件放置一起的时候，进行分类 #功能：当 .json _json pic文件放置一起的时候，进行分类 import os import shutil path0='test/' filelist=os.listdir(path0) for dir_name in filelist: print(dir_name) name=dir_name[-5:] if name=='.json': shutil.move(p.

030图像分割批量转化json格式数据集mask或图像轮廓提取

z5645654的博客

06-20

570

这个是直接生成的json文件在labelme工具种可视化的结果，可以看到红色区域是森林区域，效果还是不错的，用这个方法批量生成数据是有效的，省时间的。很多数据其实可以根据轮廓查找，找到目标的坐标点，然后我们再根据这些坐标点生成json格式的数据。很多时候我们对一些数据做图像分割需要手动打标签，按照轮廓去描，但是这样往往需要消耗很长的时间。不到一分钟5000多张图片就弄好了图像分割的json格式标签。

语义分割mask掩码转化为labelme格式（json文件）

zzu_zhong的博客

06-26

7550

当我们数据集的语义标签为mask掩码格式时，而又想转换成labelme数据格式（json文件），达到如下图所示的结果，该如何实现呢？

segmentation后 mask图片数据转换成coco对应的json格式

poppyty的博客

03-03

2548

mask转coco的json

【语义分割】1-标注数据集-【单张图片】labelme标注json文件转mask

zw_van的博客

06-21

6271

除了自己描，还能用AI辅助标注，但是我打开会闪退，这个问题待解决。另外注意：标注过程中，不要切换目录；要确认，json文件最后，imagePath的图像路径，只能是图像名字本身，不能有其他的路径和符号。

怎么把掩码转换成json文件

02-26

将图像分割的 **掩码（Mask）** 转换为 JSON 文件（如 Labelme 的标注格式），通常需要将掩码的像素信息转换为 **多边形坐标（Polygon）** 或 **轮廓信息**，并保存到 JSON 中。以下是具体步骤和工具方法： --- ##...

mask2json:一个用于图像增强的小工具，包括将遮罩文件转换为jsonxml文件，图像增强（翻转，旋转，噪声等）等等。

05-18

转换掩码想要的问题和建议。介绍一个用于图像增强的小工具，包括将遮罩文件转换为json / xml文件，图像增强（翻转，旋转，噪声等）等。如何使用。安装。尝试： pip install -r requestments.txt 如果发生错误，请尝试： pip install -r requirements.txt --ignore-installed 用。在此版本下，提供了这些工具。 1. 2. 3. 4. 5. longImgSplit 6. xml2json 7. xml2mask 8. xml2yolo 9. yolo2xml 10. mask2json 变更记录 2021.1.14 1.自动将类似yolo的数据集更新为train和val数据集，请参见testYoloLike.py 。可以在./test/中找到测试数据集，总共68个tx

图像分割使用的，输出为json等格式

03-20

一个网页，下载就能使用，可以裁剪多边形，矩形等，输出方式可以多选，json，csv等格式，我自己在测试1mmdetection用的

转化成json格式

01-04

用一个简单例子将某些元素转化成json格式，用于回忆学习，仅供参考。

含掩膜mask的单通道灰度图转化为COCO数据集格式标签的json文件（python）

qq_44442727的博客

12-04

1602

上述代码仍然存在不足，有的mask太小segmentation输出是 []，这需要检查一下，我在里面输出的位置判断是空就不保存可以避免这种问题，但是bbox等信息有的会出现Nah的情况，需要自己判断处理。还有一点，有些内部mask比较极端的情况，代码执行容易出错，建议把问题图像删除，或者自己查找问题修改代码。目标：把灰度图中的语义mask转换为COCO数据集格式的json文件。输入：单通道的灰度图，灰度图内含掩膜mask。输出：COCO数据集格式的json文件。整体上来说，这个代码还是挺好用的。

【mask转json】文件互转

weixin_45768644的博客

12-18

1726

如果输入文件夹，则会将文件夹下所有json文件或mask图片转成对应文件输出到指定路径中。python json_to_mask.py 文件夹或json文件输出文件夹。python mask_to_json.py 文件夹或mask图片输出文件夹。当只有mask图像时，可使用下面代码得到json文件。只有json文件时，可使用下面代码得到mask图像。使用方法：在命令行中输入。

利用标签生成maskrcnn训练所用的JSON文件（image_label to Json）

始于足下

11-24

953

创建用于maskrcnn训练的json文件

Mask图像与json文件相互转换

qq_34343690的博客

12-22

6548

做机器学习处理图像时，需要标注图像，其中一种标注是标出图像中的某些区域，生成Mask图像或记录下这些区域的轮廓点坐标。通常，标注直接生成其中一种文件，即只生成json文件或只生成Mask图像。故在此贴出Mask图像与json文件相互转换的Python代码。如果输入文件夹，则会将文件夹下所有json文件或mask图片转成对应文件输出到指定路径中。python json_to_mask.py 文件夹或json文件输出文件夹。python mask_to_json.py 文件夹或mask图片输出文件夹。

图片 mask格式转coco json格式

m0_61899108的博客

06-15

4398

图片从mask格式转coco json格式的相关说明与代码。 COCO数据处理(二)根据自己提取的类的json文件生成对应的mask二值图并画在原图上 - 灰信网（软件开发博客聚合） mask rcnn 将mask 转json数据01_weixin_44576543的博客-CSDN博客_mask转json mask rcnn 将mask 转json数据02_weixin_44576543的博客-CSDN博客_mask转json https://blog....

将图像分割数据集中的mask文件夹下保存的目标区域重新转为json格式

weixin_43980331的博客

07-25

3728

通过借助cv2.findContours（）函数来获取轮廓的坐标。为了方便查看，先将这些坐标以及图片名、宽和高都保存在result.csv文件中，再读取csv文件转存为json文件。

批量分割mask转json

Zomcxj的博客

04-20

5905

代码 import os import cv2 import sys import PIL import copy import json import yaml import base64 import numpy as np import skimage.io as io from glob import glob from convertmask import baseDecorate try: from labelme import __version__ as labelme_versio

coco json转成彩色mask掩码图

最新发布

04-01

<think>好的，用户想要将COCO格式的JSON文件转换为彩色的Mask掩码图像。首先，我需要理解COCO数据集的格式。COCO的标注信息存储在JSON文件中，包含图像信息、类别和注释。每个注释都有segmentation多边形和category_id。转换的关键是将每个类别映射到不同的颜色，然后根据多边形生成掩码。用户提到的参考博客[^1]和[^2]提供了部分代码，但用户遇到了问题，可能需要调整。比如，处理多个实例时的颜色分配，确保每个类别有唯一颜色。可能需要使用PIL或OpenCV来绘制多边形并填充颜色。接下来，考虑步骤：读取JSON文件，遍历每个图像的所有注释，为每个类别生成对应的颜色掩码。注意，同一图像中的不同实例可能属于同一类别，是否需要区分实例？用户的问题中提到“彩色Mask”，可能希望每个类别有不同颜色，而不是每个实例。因此，可能需要按类别分配颜色，而不是实例。另外，处理segmentation多边形时，需要正确解析COCO的坐标格式，可能是多边形点列表。使用OpenCV的fillPoly函数来绘制区域。颜色映射可以使用预定义的调色板，比如每个类别ID对应RGB值。还需要考虑图像尺寸，确保掩码与原始图像尺寸一致。保存生成的掩码为PNG格式，可能使用PIL库。最后，测试代码，检查颜色是否正确，覆盖所有类别。用户可能需要完整的代码示例，包括读取JSON、颜色映射、生成和保存掩码。注意异常处理，比如忽略无效的segmentation数据。此外，如果数据集中存在重叠区域，可能需要处理颜色覆盖的顺序，但通常最后绘制的会覆盖之前的部分，不过对于分类掩码，可能每个像素只属于一个类别，需要明确处理方式。</think>### COCO JSON转彩色Mask图像实现方法根据您提供的引用内容和需求，我们将分步骤实现转换过程： 1. **数据准备阶段** - 安装依赖库：`pip install pycocotools numpy opencv-python pillow` - 创建颜色映射表（每个类别分配唯一RGB值） $$ \text{palette} = \{0:(0,0,0), 1:(255,0,0), 2:(0,255,0),...\} $$ 2. **核心转换代码** ```python from pycocotools.coco import COCO import cv2 import numpy as np import os def coco2mask(json_path, img_dir, output_dir): coco = COCO(json_path) cat_ids = coco.getCatIds() img_ids = coco.getImgIds() # 创建颜色映射（示例使用HSV色轮分布） palette = {cat_id: tuple(map(int, np.array([i*180/len(cat_ids), 255, 255]))) for i, cat_id in enumerate(cat_ids)} palette = {k: tuple(cv2.cvtColor(np.uint8([[v]]), cv2.COLOR_HSV2BGR)[0,0]) for k, v in palette.items()} for img_id in img_ids: img_info = coco.loadImgs(img_id)[0] ann_ids = coco.getAnnIds(imgIds=img_id) anns = coco.loadAnns(ann_ids) # 创建空白掩膜 h, w = img_info['height'], img_info['width'] mask = np.zeros((h, w, 3), dtype=np.uint8) for ann in anns: # 提取多边形坐标（处理不同标注格式） seg = ann['segmentation'] if type(seg) == list: if type(seg[0]) == list: # 单个多边形 polygons = [np.array(seg, dtype=np.int32).reshape((-1,1,2))] else: # RLE格式需要转换 rle = coco.annToRLE(ann) mask_single = coco.annToMask(ann) color = palette[ann['category_id']] mask[mask_single == 1] = color continue else: # RLE格式 mask_single = coco.annToMask(ann) color = palette[ann['category_id']] mask[mask_single == 1] = color continue # 绘制多边形 cv2.fillPoly(mask, polygons, color=palette[ann['category_id']]) # 保存结果 cv2.imwrite(os.path.join(output_dir, img_info['file_name'].replace('.jpg','.png')), mask) ``` 3. **关键改进说明**（基于引用内容优化） - 支持多种标注格式解析（多边形/RLE） - 自动生成视觉区分度高的颜色映射 - 保留原始文件名对应关系 - 处理同一对象多个标注的情况