本文介绍了在深度学习模型训练完成后，如何使用OpenCV库中的cv2.threshold,cv2.findContours和cv2.drawContours函数，以两种方式对分割效果（label和mask）进行可视化，包括label填充和勾线描边。
第二种是利用不用的颜色均采用勾线描边的方式，
import
numpy
as
np
from
PIL
import
Image
,
ImageDraw
from
torchvision
.
transforms
import
transforms
image
=
cv2
.
imread
(
'./data/0.png'
)
label
=
Image
.
open
(
"./data/0_gt.jpg"
)
mask
=
Image
.
open
(
"./data/0_pred.jpg"
)
h
,
w
,
_
=
image
.
shape
label
=
transforms
.
Resize
(
(
h
,
w
)
)
(
label
)
label
=
np
.
uint8
(
label
)
mask
=
transforms
.
Resize
(
(
h
,
w
)
)
(
mask
)
mask
=
np
.
uint8
(
mask
)
ret_label
,
thresh_label
=
cv2
.
threshold
(
label
,
127
,
255
,
0
)
contours_label
,
hierarchy_label
=
cv2
.
findContours
(
thresh_label
,
cv2
.
RETR_TREE
,
cv2
.
CHAIN_APPROX_SIMPLE
)
ret_mask
,
thresh_mask
=
cv2
.
threshold
(
mask
,
127
,
255
,
0
)
contours_mask
,
hierarchy_mask
=
cv2
.
findContours
(
thresh_mask
,
cv2
.
RETR_TREE
,
cv2
.
CHAIN_APPROX_SIMPLE
)
for
cnt_label
in
contours_label
:
cv2
.
drawContours
(
image
,
[
cnt_label
]
,
0
,
(
0
,
0
,
255
)
,
2
)
for
cnt_mask
in
contours_mask
:
cv2
.
drawContours
(
image
,
[
cnt_mask
]
,
0
,
(
0
,
255
,
0
)
,
2
)
cv2
.
imwrite
(
'output_image.jpg'
,
image
)
import xml
.
etree
.
ElementTree as ET # 读取xml。
import os
from PIL import Image, ImageDraw, ImageFont
def parse_rec(filename):
tree = ET
.
parse(filename) # 解析读取xml函数
objects = []
img_dir = []
for xml_name in tree
.
findall('filename'):
一、
python
给图像加上
mask
，并提取
mask
区域
python
给图像加上
mask
，并提取
mask
区域
_xnholiday的博客-CSDN博客_
mask
python
import os
import cv2
import numpy as np
靠数据做事当然首先要知道数据是什么样的
本文的
可视化
是基于pycocotools来实现的（有方便的轮子为什么不用），网上的大多数教程就是把pycocotools的demo拿来说了一下，而demo中
标签
的
可视化
都需要指定一个类，只显示这个类的
标签
，但我想
可视化
一张图片中所有目标的
标签
该怎么办。。。。
一时半会在网上没找到想要的 ???? 自己写一个算了 ???? 所以有了本文
默认已经安装了pycocotools
直接上代码：
下面的代码可以直接
可视化
train的
标签
，其中’test‘模式是为了打比赛的时候
1
.
Jupyter notebook不具备的功能是 （）
Jupyter notebook可以直接生成一份交互式文档
Jupyter notebook可以安装
Python
库
Jupyter notebook可以导出HTML文件
Jupyter notebook可以将文件分享给他人
right_answers: Jupyter notebook可以将文件分享给他人
2
.
在Jupyter notebook的命令模式下，要查看所有快捷
.
.
current_path = os
.
getcwd()
img_path = os
.
path
.
join(current_path, r'data/landslide_data/img/0
.
tif')
mask
_path = os
.
path
.
join(current_path, r'data/landslide_data/
mask
/0
.
tif')
imshow_path = os
.
path
.
join(current_pat
