B站：xxx
CSDN：python图像分割——滑窗法裁剪数据_百年后封笔-CSDN博客
Github：封笔
公众号：百年后封笔
一、 背景和需求
对图像分割而言，往往给的原图是非常大的，无法直接用于网络训练，因此有必要使用滑窗法进行图像的裁剪，把大图裁剪成一个个小的patch图，如下所示，当然如果有分类的需求，也可以根据要求来把裁剪的图像进行分类。
下面给出一个例子：
目标：把一个二分类（不包含背景）的细胞分割图（label标注为红色和绿色），使用滑窗法进行分割，并根据patch中两种类别的占比来进行分类保存。
注：不考虑超出像素边界的残缺patch，如需考虑可以用cv2的 copyMakeBorder解决
二、实现
2.1 代码实现
直接上代码：
import os
import cv2
import numpy as np
from tqdm import tqdm
# 根据传统视觉进行图像两类标签的mask生成（原始标签是彩色图像，需要提取绿色和红色的部分）
def get_g_r_label(label):
b, g, r = label[..., 0], label[..., 1], label[..., 2]
b = b.astype(np.float)
g = g.astype(np.float)
r = r.astype(np.float)
green = g - b - r
red = r - b - g
red = np.where(red > 0, 255, 0)
green = np.where(green > 0, 255, 0)
#
# cv2.imshow('label', label.astype(np.uint8))
# cv2.imshow('green', green.astype(np.uint8))
# cv2.imshow('red', red.astype(np.uint8))
# cv2.waitKey(0)
return red.astype(np.uint8), green.astype(np.uint8)
# 裁剪函数
def crop(img, label, label_g, label_r, save_dirs, save_name,
crop_size=(50, 50), gap=(50, 50), ratio=0.7, isshow=False):
h, w, _ = img.shape
gp_w, gp_h = gap
cp_w, cp_h = crop_size
num = 0
for j in range(0, h, gp_h):
if j + cp_h > h: continue
for i in range(0, w, gp_w):
if i + cp_w > w: continue
# print(j, i, j*gap_h, j*gap_h+cp_h, i*gap_w, i*gp_w+cp_w)
cp_img = img[j:j+cp_h, i:i+cp_w, :]
a_img = label_r[j:j+cp_h, i:i+cp_w]
b_img = label_g[j:j+cp_h, i:i+cp_w]
if np.sum(a_img.flatten()) > cp_w * cp_h * 255 * ratio:
cv2.imwrite(os.path.join(save_dirs[0], save_name.replace('.jpg', f'_{num}.jpg')), cp_img)
if isshow:
cv2.imwrite(os.path.join(save_dirs[0], save_name.replace('.jpg', f'_{num}_show.jpg')), label[j:j+cp_h, i:i+cp_w, :])
elif np.sum(b_img.flatten()) > cp_w * cp_h * 255 * ratio:
cv2.imwrite(os.path.join(save_dirs[1], save_name.replace('.jpg', f'_{num}.jpg')), cp_img)
if isshow:
cv2.imwrite(os.path.join(save_dirs[1], save_name.replace('.jpg', f'_{num}_show.jpg')), label[j:j+cp_h, i:i+cp_w, :])
num += 1
# cv2.imshow('cp', cp_img)
# cv2.imshow('ori', img)
# cv2.imshow('a', a_img)
# cv2.imshow('b', b_img)
# cv2.waitKey(0)
if __name__ == '__main__':
label_dir = r'path/to/your_label'
img_dir = r'path/to/your_images'
# 定义两个类别的保存路径
save_dir1 = r'./cls_1'
save_dir2 = r'./cls_2'
if not os.path.isdir(save_dir1): os.makedirs(save_dir1)
if not os.path.isdir(save_dir2): os.makedirs(save_dir2)
crop_w, crop_h = 100, 100 # 定义裁剪图像尺寸
gap_w, gap_h = 100, 100 # 定义滑动间隔
ratio = 0.7 # 像素占比
for label_name in tqdm(os.listdir(label_dir)):
img_path = os.path.join(img_dir, label_name.replace('.v2', ''))
label_path = os.path.join(label_dir, label_name)
label = cv2.imread(label_path, cv2.IMREAD_COLOR)
img = cv2.imread(img_path, cv2.IMREAD_COLOR)
red, green = get_g_r_label(label) # 获取标签模板
crop(img, label, red, green, [save_dir1, save_dir2], save_name=label_name.replace('.v2', ''),
crop_size=(crop_w, crop_h), gap=(gap_w, gap_h), ratio=ratio, isshow=False)
2.2 根据颜色获取不同类别的mask
# 根据传统视觉进行图像两类标签的mask生成（原始标签是彩色图像，需要提取绿色和红色的部分）
def get_g_r_label(label):
b, g, r = label[..., 0], label[..., 1], label[..., 2]
b = b.astype(np.float)
g = g.astype(np.float)
r = r.astype(np.float)
green = g - b - r
red = r - b - g
red = np.where(red > 0, 255, 0)
green = np.where(green > 0, 255, 0)
#
# cv2.imshow('label', label.astype(np.uint8))
# cv2.imshow('green', green.astype(np.uint8))
# cv2.imshow('red', red.astype(np.uint8))
# cv2.waitKey(0)
return red.astype(np.uint8), green.astype(np.uint8)
文章来源：https://www.toymoban.com/news/detail-585179.html
2.3 滑窗法裁剪 crop
# 裁剪函数
def crop(img, label, label_g, label_r, save_dirs, save_name,
crop_size=(50, 50), gap=(50, 50), ratio=0.7, isshow=False):
h, w, _ = img.shape
gp_w, gp_h = gap
cp_w, cp_h = crop_size
num = 0
for j in range(0, h, gp_h):
if j + cp_h > h: continue
for i in range(0, w, gp_w):
if i + cp_w > w: continue
# print(j, i, j*gap_h, j*gap_h+cp_h, i*gap_w, i*gp_w+cp_w)
cp_img = img[j:j+cp_h, i:i+cp_w, :]
a_img = label_r[j:j+cp_h, i:i+cp_w]
b_img = label_g[j:j+cp_h, i:i+cp_w]
if np.sum(a_img.flatten()) > cp_w * cp_h * 255 * ratio:
cv2.imwrite(os.path.join(save_dirs[0], save_name.replace('.jpg', f'_{num}.jpg')), cp_img)
if isshow:
cv2.imwrite(os.path.join(save_dirs[0], save_name.replace('.jpg', f'_{num}_show.jpg')), label[j:j+cp_h, i:i+cp_w, :])
elif np.sum(b_img.flatten()) > cp_w * cp_h * 255 * ratio:
cv2.imwrite(os.path.join(save_dirs[1], save_name.replace('.jpg', f'_{num}.jpg')), cp_img)
if isshow:
cv2.imwrite(os.path.join(save_dirs[1], save_name.replace('.jpg', f'_{num}_show.jpg')), label[j:j+cp_h, i:i+cp_w, :])
num += 1
如上是分割出来的不同类别的patch图像。文章来源地址https://www.toymoban.com/news/detail-585179.html
到了这里，关于图像语义分割——python滑窗法裁剪数据的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
