数据集
最近别人给了我一个生物数据分割的标注数据集,让我训练一下,发现这个数据集比较诡异,图像格式是tif的16位的浮点数,OpenCV读取过来要显示得先转换,然后它的Mask是PNG的带透明通道,最坑人的是Mask标记都是1、只有相互连接的对象标记才相互不同。官方给出的原始图像解析以后是这样:
OpenCV读取显示图像样本
OpenCV读取tif格式16位的图像在于imread的第二个参数,默认情况下会转换为BGR彩色八位字节的图像,如果这样就是一片漆黑;这里选择为-1表示不改变原图像的通道数据信息,这样就可以读取原始图像数据了,然后转换为32f的,再归一化到0~1之间,直接显示即可。代码如下:
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读取显示Mask图像
Mask图像是带透明通道的RGBA的图像,但是实际上所有的标注信息只存在于red通道中,所以读取以后,直接拆分通道,然后把red通道数据作为灰度图像处理,因为灰度值太低了,显示的时候我给扩大了点倍数,直接把灰度图像扔到联通组件扫描的函数中,然后就可以看到结果了。相关代码如下:
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()
标记的Mask信息原图
基于联通组件查找以后的彩色显示(注意白色粘连)
对比与解决
对比之后发现,OpenCV中联通组件扫描以后把不同标签的样本粘连在一起了,这个是因为OpenCV寻找联通组件只分为两种值0为背景,非0就作为前景,不做灰度级别区分的联通域识别,所以导致了粘连。这个时候,只要用skimage库的函数来替换OpenCV的联通组件扫描就可以避免粘连了,因为skimage库的联通组件扫描支持独立标签分级。代码演示如下:
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()运行结果对比 - 可以发现白色区域没有粘连,成功分割!
希望OpenCV迟早有一天可以支持这种分级的区域联通组件扫描算法。
审核编辑:刘清
-
图像处理
+关注
关注
27文章
1289浏览量
56733 -
OpenCV
+关注
关注
31文章
635浏览量
41343
原文标题:新知 | OpenCV4中联通组件分析的一个缺点
文章出处:【微信号:CVSCHOOL,微信公众号:OpenCV学堂】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论