记一次图像分割项目的dataset的制作

应用Mask-RCNN做染色体图像分割,染色体存在交叉重叠情况,故需要标注重叠染色体作为训练集,于是带来了两个问题,数据不足的情况下,重叠染色体到哪里找?重叠染色体的标注如何做?

问题1解决:用单染色体图叠加。
问题2解决:用多通道图像作为标注,每个通道标注一个分割目标。

效果从上图到下图:
这里写图片描述
这里写图片描述

在这里贴上代码,关键词图像二值化、灰度图转RGB、图像叠加、图像仿射变换

import cv2
import numpy as np
import skimage.io
import math
import sys, getopt,os
import matplotlib
import matplotlib.pyplot as plt

def addImage(img1, img2, img_add): #叠加
    h, w, _ = img1.shape
    for i in range(3):
        for j in range(h):
            for k in range(w):
                img_add[j-1][k-1][i-1] = min(img1[j-1][k-1][i-1],img2[j-1][k-
  • 1
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 数字图像处理课程作业及人脸识别项目源码+说明.zip # Digital-Image-Process 数字图像处理课程的作业及人脸识别项目文件 ## work 主要包含了数字图像处理了六次课程作业 1. 图像量化处理,图像的采样 2. 视频中截取相邻图片做差值,加法融合运算, `Gamma` 函数增强图片,`log` 变换,直方图均衡算法 3. 医学 X 图像的增强 4. 阈值分割,分水岭算法,硬币的分割 5. 图像加噪声及其去噪 6. 图像的傅里叶变换 ## Project 数字图像处理课程的作业及人脸识别项目文件 **主要文件**: > 1. `face_detect.ipynb`: 主文件 > 2. `protxtxt.ipynb`: 描述文件 > 3. `res10_300x300_ssd_iter_140000_fp16.caffemodel`: 基于`resnet10`训练好的网络权重文件 > 4. trainer.yml: 基于训练集得到的训练权重文件 要求: >1. 可以识别 5 个人 >2. 对人脸进行画框 >3. 可以识别视频流 简介: > 本项目基于`opencv`的中的人脸位置检测,主要是对网络上爬取的指定球星图片,学习其特征,然后对球星进行预测,其中的分类器采用`Harr` 分类器[^1]和基于`LBPH`特征[^2]的识别器 #### 2.设计流程 主要流程: 1. 基于要识别的类别进行数据集采集 2. 划分数据集 3. 制作数据集标签 4. 加载分类器 5. 训练识别器得到训练文件 6. 读取训练文件,对输入的图片进行预测 ##### 数据集 1. 采用从网络上进行数据集的采集 主要使用`requests`包在`https://image.baidu.com/`网站中爬取要求的 `keyword`类型图片 ![](./md_img/getdataset.png) 数据集主要图片 ![image-20230421171552148](./Project/md_img/dataset.png) 2. 对数据集进行以 `2:1` 比例划分训练集和数据集 数据集格式: ``` dataset | |- trainset | |--- class 1 | |--- class 2 | |--- class 3 | |--- class 4 | |--- class 5 |- testset | |--- class 1 | |--- class 2 | |--- class 3 | |--- class 4 | |--- class 5 ``` 3. 读取类别制作标签文件 基于类别文件名称形成类别和id的字典 ##### 数据的训练 主要流程 ![](./Project/md_img/line.png) 1. 加载原始的人脸识别分类器文件 `opencv`提供预训练的`Harr`级联库(检测面部,左右眼,佩戴墨镜),此处主要目的是人脸检测故只需导入对应的`xml`文件即可 [下载地址](https://github.com/opencv/opencv/tree/master/data/haarcascades) 2. 读取训练集的图片 在导入预训练文件之后,此时我们可以对图片中的人脸进行检测,但是为了实现更好的效果需要调整检测的参数 (`detectMultiScale(image,objects,scaleFactor,minNeighbors,flags,minSize,maxSize)`) - `image`:输入的图片 - `objects`:表示检测到的人脸目标序列 - `scaleFactor`:表示每次图像尺寸减小的比例 - `minNeighbors`:表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸), - `minSize

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值