SAM_ca17_03_getumor_bug_level3

这篇文章描述了一个使用Python脚本在Camelyon数据集中对乳腺癌图像进行预处理的过程,主要关注生成肿瘤区域的掩码,遇到OpenCV错误并解决imwrite函数问题。
摘要由CSDN通过智能技术生成
在这里插入代码片
/home/dell/anaconda3/envs/path_sam/bin/python /media/dell/data_4t/SAM_withmag/pre_code/pre_camelyon_prepocessing17/1_get_tumor_mask_original.py 
patient_087_node_0.tif
  4%|| 2/54 [00:00<00:20,  2.49it/s]patient_089_node_3.tif
patient_017_node_1.tif
  7%|| 4/54 [00:02<00:40,  1.25it/s]patient_012_node_0.tif
  9%|| 5/54 [00:05<01:02,  1.28s/it]patient_068_node_1.tif
patient_088_node_1.tif
 13%|█▎        | 7/54 [00:07<00:53,  1.14s/it]patient_024_node_2.tif
patient_016_node_1.tif
 17%|█▋        | 9/54 [00:09<00:54,  1.21s/it]patient_021_node_3.tif
patient_040_node_2.tif
 20%|██        | 11/54 [00:12<00:50,  1.18s/it]patient_020_node_4.tif
 22%|██▏       | 12/54 [00:14<01:04,  1.54s/it]patient_022_node_4.tif
 24%|██▍       | 13/54 [00:21<02:11,  3.20s/it]patient_067_node_4.tif
 26%|██▌       | 14/54 [00:25<02:16,  3.41s/it]patient_045_node_1.tif
 30%|██▉       | 16/54 [00:26<01:21,  2.14s/it]patient_072_node_0.tif
patient_024_node_1.tif
 33%|███▎      | 18/54 [00:30<01:07,  1.87s/it]patient_061_node_4.tif
patient_034_node_3.tif
 37%|███▋      | 20/54 [00:40<02:07,  3.76s/it]patient_044_node_4.tif
patient_066_node_2.tif
 41%|████      | 22/54 [00:42<01:20,  2.51s/it]patient_051_node_2.tif
patient_036_node_3.tif
 44%|████▍     | 24/54 [00:50<01:28,  2.95s/it]patient_017_node_2.tif
 46%|████▋     | 25/54 [00:54<01:33,  3.23s/it]patient_046_node_3.tif
 50%|█████     | 27/54 [00:55<00:52,  1.93s/it]patient_092_node_1.tif
 52%|█████▏    | 28/54 [00:56<00:47,  1.83s/it]patient_017_node_4.tif
patient_046_node_4.tif
 56%|█████▌    | 30/54 [01:07<01:28,  3.69s/it]patient_064_node_0.tif
 57%|█████▋    | 31/54 [01:08<01:09,  3.01s/it]patient_048_node_1.tif
patient_073_node_1.tif
 61%|██████    | 33/54 [01:16<01:17,  3.67s/it]patient_052_node_1.tif
patient_099_node_4.tif
 67%|██████▋   | 36/54 [01:23<00:50,  2.81s/it]patient_075_node_4.tif
OpenCV(4.8.1) /io/opencv/modules/imgcodecs/src/loadsave.cpp:787: error: (-215:Assertion failed) !_img.empty() in function 'imwrite'

patient_075_node_4.tif -53x 19773y 1024width 1024height 3level
patient_080_node_1.tif
 70%|███████   | 38/54 [01:31<00:50,  3.17s/it]patient_096_node_0.tif
patient_015_node_2.tif
 74%|███████▍  | 40/54 [01:41<00:51,  3.71s/it]patient_060_node_3.tif
patient_062_node_2.tif
 78%|███████▊  | 42/54 [01:44<00:32,  2.67s/it]patient_004_node_4.tif
 80%|███████▉  | 43/54 [01:45<00:24,  2.24s/it]patient_041_node_0.tif
 81%|████████▏ | 44/54 [01:46<00:18,  1.81s/it]patient_042_node_3.tif
patient_081_node_4.tif
 85%|████████▌ | 46/54 [01:52<00:17,  2.22s/it]patient_020_node_2.tif
 87%|████████▋ | 47/54 [01:53<00:13,  1.91s/it]patient_015_node_1.tif
patient_010_node_4.tif
 91%|█████████ | 49/54 [02:06<00:22,  4.58s/it]patient_086_node_4.tif
 93%|█████████▎| 50/54 [02:07<00:14,  3.51s/it]patient_086_node_0.tif
patient_009_node_1.tif
 96%|█████████▋| 52/54 [02:11<00:05,  2.98s/it]patient_039_node_1.tif
patient_038_node_2.tif
100%|██████████| 54/54 [02:16<00:00,  2.53s/it]

Process finished with exit code 0

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