（自用）Unet代码梳理（数据--模型训练和评价--测试）

顺序乱得很，看视频跟着敲代码的时候遇到什么问题就立即记下了，有空再梳理

-----------------------------------我是分割线20240125----------------------------------------------------------------

一、数据

1、制作数据集

首先打开labelme:直接在prompt中输入labelme所在的虚拟环境名（这里我的直接是labelme)

打开后的界面：多张图片时“上一幅”“下一幅”连续处理

------------------补充（来自Unet完结篇11：57）----------

一张图上标注两个区域（对RGB图像）CLASS_NAMES（’***’，’***’）

（jison文件就是一堆点）

-----------------------------------我是分割线------------------------------------------------------------------------------

2、生成mask

lanelme官方有生成mask的代码（直接搜就有，或者可以自己写一个）

（以下是跟着博主来写的代码,先创建python File）

json文件信息读取

import os
from PIL import Image, ImageDraw
import json
def make_mask(image_dir):#获得全部的json文件,批处理
    data = os.listdir(image_dir)
    temp_data = []
    for i in data:#遍历
        if i.split('.')[1] == 'json':
            temp_data.append(i)
        else:
            continue
    for js in temp_data:#遍历json文件
        json_data = json.load(open(os.path.join(image_dir, js), 'r'))#以读（read）的形式获得json文件
        print(json_data)#测试是否获得所有json文件

if __name__ == '__main__':
    make_mask(r'C:\Users\*****\Unet\data\image')#测试是否获得所有json文件（这里需要传文件夹的完整位置）

二值图片（黑白）没有color等信息，彩色图片会有

image.new('')的使用：对于彩色图像，不需要RGB,只需要8位图https://www.zhihu.com/question/68390406

-----------------------------------我是分割线------------------------------------------------------------------------------

代码部分参考：

①图像分割UNet硬核讲解(带你手撸unet代码)_哔哩哔哩_bilibili

②重新梳理UNet代码(数据->模型训练测试->评价)_哔哩哔哩_bilibili

敲代码可以跟着第一个，第二个比较完整（从数据处理到模型训练评价指标）

③UNet完结篇_哔哩哔哩_bilibili

-----------------------------------我是分割线20240126更------------------------------------------------------------

在up基础上改过的make_mask_data.py

用all_labels替代了CLASS_NAMES中的标签类别，up使用的是RGB图像，我使用了医学图像所以在fill那里改为fill=1，出来的mask就是二值图像了（第一次跟着视频敲代码的时候能直接出来二值图，用到我的任务上就出来纯黑的图了，大概没有*255？具体不是很清楚原因，这里是用chatgpt建议的代码来改的，能用就行）

import os
import numpy as np
import cv2
# import numpy as np
from PIL import Image, ImageDraw
import json

# CLASS_NAMES = ['0001-00001', '0002-00001','0003-00001','0004-00001','0005-00001','0006-00001','0007-00001',
#                '0008-00001','0009-00001','00010-00001','00011-00001','00012-00001','00013-00001','00014-00001',
#                '00015-00001',]


def make_mask(image_dir, save_dir):  # 获得全部的json文件,批处理
    data = os.listdir(image_dir)
    temp_data = []
    all_labels = []  # 用于存储所有的label值
    for i in data:  # 遍历
        if i.split('.')[1] == 'json':
            temp_data.append(i)
        else:
            continue
    for js in temp_data:  # 解析json文件，需要获得json文件的shape、label等信息
        json_data = json.load(open(os.path.join(image_dir, js), 'r'))  # 以读（read）的形式获得json文件，解析json
        # print(json_data)#测试是否获得所有json文件
        shapes_ = json_data['shapes']
        # shape_ = json_data['shapes'][0]#这里的shapes不一定是0，多组数据时需要遍历

        # 遍历获取所有label值
        for shape_ in shapes_:
            label = shape_['label']
            all_labels.append(label)

        # mask = Image.new('L', Image.open(
        #     os.path.join(image_dir, js.replace('json', 'png'))).size)
        mask = Image.new('1', Image.open(
            os.path.join(image_dir, js.replace('json', 'png'))).size)  # 不需要RGB，需要8位图即可,根据图片格式写'jpg''png'
        for shape_ in shapes_:
            label = shape_['label']
            points = shape_['points']
            points = tuple(tuple(i) for i in points)  # 将points转成元组

            print(np.array(mask).shape)  # 查看图片是几通道
            # mask.show()#‘L’相当于读出黑色掩码
            mask_draw = ImageDraw.Draw(mask)
            # print(label)#所有的图片信息都拿出来
            # print(points)

            # mask_draw.polygon(points, fill= all_labels.index(label)+1)
            mask_draw.polygon(points, fill=1)  # 根据类别标签 label，在图像上绘制对应的多边形，并且使用类别索引加 1 作为填充颜色（如果没有+1读出来全黑的是背景）
            # mask = np.array(mask)*255  # 白的是因为*255
            # cv2.imshow('mask',mask)
            # cv2.waitKey(0)
            # mask.show()
            mask.save(os.path.join(save_dir, js.replace('json', 'png')))


# def vis_label(img):
#    img=Image.open(img)
#    img=np.array(img)
#   print(set(img.reshape(-1).tolist()))


if __name__ == '__main__':
    make_mask(r'C:\Users\wuxia\Desktop\Unet\convert_to_png',
              r'C:\Users\wuxia\Desktop\Unet\train\Labels')  # 测试是否获得所有json文件（这里需要传文件夹的完整位置SegmentationClass是保存图片的位置）

    # make_mask('image', 'SegmentationClass')
    # vis_label('SegmentationClass/000799.png')
    # img=Image.open('SegmentationClass/000019.png')
    # print(np.array(img).shape)
    # out=np.array(img).reshape(-1)
    # print(set(out.tolist()))