图像分割 --- 将包含布尔值的分割结果快速替换为像素值

图像分割 — 将包含布尔值的分割结果快速替换为像素值

实例分割任务是目标检测任务和语义分割任务的结合，需要同时完成实例级和像素级的预测，既要区分视频中不同的目标个体，又要目标轮廓进行精细分割，是一个复杂且有挑战性的任务。

通过实例分割得到的输出结果，包含图像中像素是否属于目标的一个矩阵，该mask是由一个二维的布尔型数组组成，如下所示。

其中，False 表示背景像素，True 表示目标像素。

我们考虑把这个布尔型数组变成灰度图，将 False 修改为255，作为黑色背景；将True 修改为0，作为白色目标。结果如下所示。

那么，问题来了，如何操作呢？

方法一

使用 for 循环，思路清晰，简单暴力！

 for x in range(len(mask[0])):
     for y in range(len(mask[1]):
        if mask[x, y] == False:
            np_img[x, y] = 0
        else:
            np_img[x, y] = 255

此方法可以实现目标，但是速度非常慢，经测验在1080*720的数组上，运行速度为0.9s。

方法二

使用数学运算符直接实现，非常简单，一行代码即可实现！

mask = np.uint8(mask*255)

其中，True × 255 = 255， False × 255 = 0

如果 True 和 False 是反着的，只需使用逻辑非运算符，将 True 和 False 取反即可！

mask = ~mask
mask = np.uint8(mask*255)

此方法可以实现目标，并且速度非常快，经测验在1080*720的数组上，运行速度为0.002s。

方法二比方法一的速度快450倍，非常方便！

日常学习记录，一起交流讨论吧！侵权联系~