數(shù)據(jù)集

最近別人給了我一個(gè)生物數(shù)據(jù)分割的標(biāo)注數(shù)據(jù)集，讓我訓(xùn)練一下，發(fā)現(xiàn)這個(gè)數(shù)據(jù)集比較詭異，圖像格式是tif的16位的浮點(diǎn)數(shù)，OpenCV讀取過來(lái)要顯示得先轉(zhuǎn)換，然后它的Mask是PNG的帶透明通道，最坑人的是Mask標(biāo)記都是1、只有相互連接的對(duì)象標(biāo)記才相互不同。官方給出的原始圖像解析以后是這樣:

OpenCV讀取顯示圖像樣本

OpenCV讀取tif格式16位的圖像在于imread的第二個(gè)參數(shù)，默認(rèn)情況下會(huì)轉(zhuǎn)換為BGR彩色八位字節(jié)的圖像，如果這樣就是一片漆黑；這里選擇為-1表示不改變?cè)瓐D像的通道數(shù)據(jù)信息，這樣就可以讀取原始圖像數(shù)據(jù)了，然后轉(zhuǎn)換為32f的，再歸一化到0~1之間，直接顯示即可。代碼如下：

importnumpyasnp
img=cv.imread("D:/11111.tif",-1)#uint16
img_16=img.astype(np.float32)
cv.normalize(img_16,img_16,0,1,cv.NORM_MINMAX)
img_16.astype(np.float32)
result=np.uint8(img_16*255)
cv.imwrite('D:/tensor_cv2.jpg',result)

OpenCV讀取顯示Mask圖像

Mask圖像是帶透明通道的RGBA的圖像，但是實(shí)際上所有的標(biāo)注信息只存在于red通道中，所以讀取以后，直接拆分通道，然后把red通道數(shù)據(jù)作為灰度圖像處理，因?yàn)榛叶戎堤土耍@示的時(shí)候我給擴(kuò)大了點(diǎn)倍數(shù)，直接把灰度圖像扔到聯(lián)通組件掃描的函數(shù)中，然后就可以看到結(jié)果了。相關(guān)代碼如下：

importnumpyasnp
img=cv.imread("D:/11111.png")#uint16
bb,gg,rr=cv.split(img)
h,w,c=img.shape
print(img.shape,img.dtype)
numOfcons,labels=cv.connectedComponents(rr)

colors=[]
foriinrange(numOfcons):
b=np.random.randint(0,256)
g=np.random.randint(0,256)
r=np.random.randint(0,256)
colors.append((b,g,r))

colors[0]=(0,0,0)
image=np.zeros((h,w,3),dtype=np.uint8)
forrowinrange(h):
forcolinrange(w):
image[row,col]=colors[labels[row,col]]

cv.imshow("coloredlabels",image)
cv.imwrite("D:/opencv_labels.png",image)
cv.imshow("bgr",rr*100)
cv.waitKey(0)
cv.destroyAllWindows()

標(biāo)記的Mask信息原圖

基于聯(lián)通組件查找以后的彩色顯示（注意白色粘連）

對(duì)比與解決

對(duì)比之后發(fā)現(xiàn)，OpenCV中聯(lián)通組件掃描以后把不同標(biāo)簽的樣本粘連在一起了，這個(gè)是因?yàn)镺penCV尋找聯(lián)通組件只分為兩種值0為背景，非0就作為前景，不做灰度級(jí)別區(qū)分的聯(lián)通域識(shí)別，所以導(dǎo)致了粘連。這個(gè)時(shí)候，只要用skimage庫(kù)的函數(shù)來(lái)替換OpenCV的聯(lián)通組件掃描就可以避免粘連了，因?yàn)閟kimage庫(kù)的聯(lián)通組件掃描支持獨(dú)立標(biāo)簽分級(jí)。代碼演示如下：

importskimage.io
importskimage.morphology

#Loadoneimageafteruncompressingmasks.zip
gt=skimage.io.imread("D:/11111.png")

#Keepfirstchannelonly
gt=gt[:,:,0]

#Labelindependentconnectedcomponents
gt=skimage.morphology.label(gt)
colors=[]
foriinrange(150):
b=np.random.randint(0,256)
g=np.random.randint(0,256)
r=np.random.randint(0,256)
colors.append((b,g,r))
colors[0]=(0,0,0)
h,w=gt.shape
image=np.zeros((h,w,3),dtype=np.uint8)
forrowinrange(h):
forcolinrange(w):
image[row,col]=colors[gt[row,col]]

#Displayimageoruseasneeded
cv.imshow("coloredlabels",image)
cv.imwrite("D:/labels.png",image)
cv.waitKey(0)
cv.destroyAllWindows()

希望OpenCV遲早有一天可以支持這種分級(jí)的區(qū)域聯(lián)通組件掃描算法。

審核編輯：劉清