为什么语义分割出来的图片是黑色的

最新推荐文章于 2024-04-25 10:32:45 发布
最新推荐文章于 2024-04-25 10:32:45 发布
阅读量2.5k 收藏 4
点赞数 3
分类专栏： Halcon 文章标签： 计算机视觉 图像处理 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhuifengyx/article/details/127538497
版权

原因分析：

1、语义分割是针对图像像素级别的操作，其本质可以理解为将图像的每个像素分配给不同的缺陷类【包含背景】
2、在针对缺陷进行标注的时候，其缺陷类型的序号，即表示为以当前标记序号为灰度值，标记此缺陷类型

例：在一个图像当中，除背景区域外【标记为0】，有一块发光的区域，给其标记为1，表示缺陷光区域，那么导出成缺陷图片labels的时候，无论原图的背景区域灰度值多少，此时都为0，同理，发光区域无论原图灰度值多少，导出的缺陷labels文件所对应的发光区域的灰度值都是1

如何看到缺陷区域？

1、找到标注的缺陷图
Halcon区域分割缺陷标注图

2、随便读取一张进行灰度值缩放，即可看到标注的缺陷区域缺陷区域的展示

_风云_
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Semantic-Segmentation-Suite训练自有数据集时的天坑（预测图像全黑、预测图像呈糊状、GT图像加载不正确）
qq_39076073的博客
08-21 1836
Semantic-Segmentation-Suite训练自有数据集时的天坑 1.集锦的仓库地址： https://github.com/GeorgeSeif/Semantic-Segmentation-Suite 2.数据集CamVid ├── “dataset_name” | ├── train | ├── train_labels | ├── val | ├── val_labels | ├── test | ├── test_labels 分别放对应的训练、验证、测试集图像和label即可，格式jp
关于语义分割预测出来的图片全黑的解决办法
qq_43050258的博客
10-13 7240
1、首先查看数据集的位深度那些是否和网络结构本身训练的数据集的格式相同； 2、将学习率不断减小、减少迭代次数（实践过该方法可用）； 3、后期想法：调整一下损失函数，加上权重，降低0的影响 ...
【python】语义分割（标签）黑色（单通道）图片的读取和显示方法
胡侃有料的博客
02-03 7893
every blog every motto: Just live your life cause we don’t live twice. 0. 前言 深度学习中，具体来说是语义分割中，标签通常是单通道的。下面是对其读取和显示的一般方法介绍 1. 正文 1.1 方法一 import matplotlib.pyplot as plt import matplotlib.image as mp def show_img(path): """ 读取并展示图片 :param path: 图片
语义分割数据集批量删除纯黑背景的图片
最新发布
GuiBridge的博客
04-25 91
【代码】语义分割数据集批量删除纯黑背景的图片。
解决Semantic-Segmentation-Suite套件预测结果为全黑
weixin_39027619的博客
06-11 742
解决Semantic-Segmentation-Suite套件预测结果为全黑问题 训练正常loss也正常下降但是云顶predict.py结果全为黑解决方法如何正确从加载模型的方式保存pb 最近在做一个项目尝试用分割的方式解决 利用 https://github.com/GeorgeSeif/Semantic-Segmentation-Suite 套件 做 星星比较多(以为比较靠谱,虽然作者已经不维护了但是确实代码中存在bug) 问题 训练正常loss也正常下降但是云顶predict.py结果全为黑 心路历程
关于U-net图像分割 预测结果（预测效果） 全黑/全灰/全白的问题
qq_45103693的博客
10-26 1407
以下是train.py的完整参数设置，仅供参考，batch_size请根据自身情况调小，欢迎反馈效果！
【解决】Unet训练自己的数据集，预测结果全黑
热门推荐
新手村打蘑菇
09-07 2万+
unet代码参考：zhixuhao / unet 解决方法参考：U-Net预测自己数据集全黑解决方法 用自己的数据集直接替换源代码内的数据集，训练好模型后预测，结果全黑。。 原因： 查看数据集中图像的位深 参考的代码内所需图片格式是.png，位深为8，所以要把自己数据集图片的位深也改为8 ...
unet预测图片全黑/全灰解决方案（keras）
weixin_44886683的博客
08-07 5399
几个注意点 载入模型 model = load_model("unet_person_128_" + str(n) + ".hdf5") 预测前图片处理： def testGenerator(test_path, num_image, target_size): for pngfile in glob.glob(test_path + "/*.png"):#查找有关目录下的所有文件，pngfile为路径 img = cv.imread(pngfile)#在OpenCV第一个参数是指
将纯黑的arcgis语义分割标签（单类别）（tif、png格式）转为黑白
lrx6666666的博客
10-06 1854
做建筑物分割，用arcgis做出来的标签（tif）为纯黑，转为png格式后也是纯黑，虽然在arcgis中可以正常显示，且不影响模型训练，但是的确有那么点不好看，参考其他数据集，单类别表标签均为黑白二值图（0/255）。arcgis做的标签为纯黑的原因是他的像素背景是0，目标是0-1，因此肉眼看不出来，故将目标0-1重新赋值为255即可。我是重新进行了二值化，用的标签格式为.png。
基于TensorFlow深度学习框架实现遥感影像语义分割python源码+项目说明(毕设项目).zip
01-31
基于TensorFlow深度学习框架实现遥感影像语义分割python源码+项目说明(毕设项目) 数据 * 训练数据集包括803张卫星图片，RGB格式，尺寸2448 * 2448 * 图像分辨率为50cm，由 DigitalGlobe's 卫星提供 * 可通过下载页...
Python之修改图片像素值的方法
09-19
通过这种方式，我们可以批量处理大量的图像数据，这对于处理大型图像集，如语义分割项目中的标注图像是非常有用的。 总之，Python的PIL库为我们提供了一种灵活的方式来读取、修改和保存图像。通过遍历像素矩阵和...
图片
02-14
很抱歉，由于您提供的信息...10. 图像识别与计算机视觉：AI领域的热门话题，涉及图像分类、目标检测、语义分割等，广泛应用于自动驾驶、人脸识别等领域。 如需深入探讨某一特定知识点，或有具体问题，请提供更多信息。
黑白照片变彩色.zip
10-31
而Pix2Pix或CycleGAN则是GAN的一种变体，它们擅长进行图像到图像的转换，如将黑白照片转化为彩色。 在实际操作中，首先需要准备大量的配对数据，即黑白照片与对应的彩色照片。这些数据会被用来训练模型，使其学会...
去除图片上任意物体.
03-16
对于复杂场景，深度学习的语义分割模型如FCN（全卷积网络）、SegNet、Mask R-CNN等能提供更好的效果。 3. **遮罩生成**：一旦物体被准确分割出来，就需要创建一个遮罩，这个遮罩标记了图像中要移除的部分。遮罩通常...
解决分割网络的结果一片黑的问题
特别的猫
04-30 1237
解决分割网络的结果一片黑的问题
利用语义分割训练完的结果进行预测，却只有背景
mu_xing_的博客
12-03 2507
原因一：图像预处理时，压缩程度过大，图像变得很小，要识别的区域被挤压掉。 解决方法：修改resize的大小。 原因二：模型层数过多，网络架构过于庞大。 解决方法：降低层数，更换网络。 ...
Halcon如何创建或生成空白的，全黑或全白的8位图和24位图
$firecat利白的代码足迹$
07-05 8316
直接上源码： gen_image_const(Image, 'byte', 512, 512)//生成一个图像，用byte格式 gen_image_proto(Image, ImageR, 255)//生成第一通道图像 gen_image_proto(Image, ImageG, 0)//生成第二通道图像 gen_image_proto(Image, ImageB, 0)//生成第三通道图像 compose3(ImageR, ImageG, ImageB, MultiImage)//合成三个通道图像 s
图像语义分割——利用DeeplabV3+预测单张照片
木头VS星星
11-16 9076
当训练好DeeplabV3+模型后，生成了.ckpt文件，下一步希望利用模型进行真实的场景预测，通用的做法生成.pb文件。这样做的好处是：1. 将变量转换为常量，减小模型，2. 便于其他语言调用（.pb文件可直接被C/C++/Java/NodeJS等读取）。 运行 export_model.py 生成模型 利用官方代码文件export_model.py生成 frozen_inference_g...
语义分割（自看1.0）
m0_68977737的博客
12-23 922
（1）分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。（2）定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。（3）检测-Detection：解决“在哪里？是什么？”的问题，即定位出这个目标的位置并且知道目标物是什么。（4）分割-Segmentation：分为实例的分割（Instance-level）和场景分割（Scene-level），解决“每一个像素属于哪个目标物或场景”的问题。
已得到一些坐标点，希望生成mask图，就这些坐标点像素值为白色，图像中其他地区为黑色
06-07
好的，您可以使用Python中的PIL库来生成mask图。具体的实现步骤如下： 1. 导入PIL库： ```python from PIL import Image, ImageDraw ``` 2. 创建一张黑色的图片： ```python img = Image.new('L', (width, height), 0) ``` 其中，width为图片的宽度，height为图片的高度。 3. 创建一个ImageDraw对象： ```python draw = ImageDraw.Draw(img) ``` 4. 遍历坐标点，将像素值设置为白色： ```python for point in points: draw.point(point, fill=255) ``` 其中，points为坐标点的列表，每个坐标点为一个二元组(x, y)。 5. 保存图片： ```python img.save('mask.png') ``` 这里将图片保存为mask.png文件。 完整代码如下： ```python from PIL import Image, ImageDraw # 坐标点列表 points = [(100, 100), (200, 200), (300, 300)] # 创建一张黑色的图片 width, height = 500, 500 img = Image.new('L', (width, height), 0) # 创建一个ImageDraw对象 draw = ImageDraw.Draw(img) # 将坐标点像素值设置为白色 for point in points: draw.point(point, fill=255) # 保存图片 img.save('mask.png') ``` 运行以上代码后，将生成一张大小为500x500的黑白mask图，其中坐标点为白色，其他地区为黑色。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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