coco数据集大概有8w张以上的图片，而且每幅图都有精确的边缘mask标注。
后面后分享一个labelme标注的json或xml格式转二值图的源码（以备以后使用）
而我现在在研究显著性目标检测，需要的是边缘mask的二值图像。搜了很久，并没有人做过这种工作，只能得到如下的掩膜图
而我需要的图像为二值图，如下
说下 我的过程 并附上代码：
首先，coco数据集将所有的8w多张图片标注信息整合到一个json文件中，所以我们需要将单张图片标注信息json文件提取出来，以下是批量提取脚本。
注： 需要改动地方 1）第6行：将json_file改为原coco数据集json文件的地址 （coco/annotations/xxxxx.json）
2) 第13行：设置需要提取的图片数量 我是提取82000张
3）第37行：设置存储json文件的目录 需要新建空文件夹 我是放在./coco_single_object下
4）第33-35行：可选 将图片的名称写入data.txt中 不需要的话可以注释掉
1
#
-*- coding:utf-8 -*-
2
from
__future__
import
print_function
3
import
json
4
5
#
json文件的地址 需要手动设置
6
json_file=
'
../pycocotools/instances_train2014.json
'
#
# Object Instance 类型的标注
7
#
person_keypoints_val2017.json # Object Keypoint 类型的标注格式
8
#
captions_val2017.json # Image Caption的标注格式
9
10
data=json.load(open(json_file,
'
r
'
))
11
12
#
设置需要提取的图片数量 我设置提取82000张
13
for
i
in
range(82000
):
14
data_2 =
{}
15
data_2[
'
info
'
] = data[
'
info
'
]
16
data_2[
'
licenses
'
] = data[
'
licenses
'
]
17
data_2[
'
images
'
] = [data[
'
images
'
][i]]
#
只提取第一张图片
18
data_2[
'
categories
'
] = data[
'
categories
'
]
19
annotation =
[]
20
21
#
通过imgID 找到其所有对象
22
imgID = data_2[
'
images
'
][0][
'
id
'
]
23
for
ann
in
data[
'
annotations
'
]:
24
if
ann[
'
image_id
'
] ==
imgID:
25
annotation.append(ann)
26
27
data_2[
'
annotations
'
] =
annotation
28
#
保存到新的JSON文件，便于查看数据特点
29
#
img_file 获取图片名称
30
img_file=data_2[
'
images
'
][0][
'
file_name
'
]
31
img_first=img_file.split(
"
.
"
)[0]
32
#
将提取出的图片写入data.txt文件中并换行 (optional)
33
#
with open('./coco_single_object/data.txt',mode='a') as f:
34
#
f.write(img_file)
35
#
f.write("\n")
36
#
设置存储目录 我的是存在当前目录下coco_single_object文件夹下 需要手动创建空文件夹
37
json.dump(data_2, open(
'
./coco_single_object/
'
+img_first+
'
.json
'
,
'
w
'
), indent=4)
#
indent=4 更加美观显示
最后的结果是82000张 json文件
---------------------------------------------------------------------------------------------------------------------------------------
有了单张json文件之后，就是将mask掩膜提取出二值图片的过程了
注：函数传入4个参数 json_path,img_path,color_img_save,binary_img_save
分别对应 json_path: 上一步提取出的json文件的文件夹路径
img_path: coco数据集下载时原图目录
color_img_save: 存放原图的目录 （需要新建此文件夹）
binary_img_save: 存放二值图的目录（需要新建此文件夹）
1
from
__future__
import
print_function
2
from
pycocotools.coco
import
COCO
3
import
os, sys, zipfile
4
import
urllib.request
5
import
shutil
6
import
numpy as np
7
import
skimage.io as io
8
import
matplotlib.pyplot as plt
9
import
pylab
10
pylab.rcParams[
'
figure.figsize
'
] = (8.0, 10.0
)
11
import
os
12
def
get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save):
13
#
json_path json文件路径 从coco数据集的annotations标注json文件中提取出的单个json文件
14
#
img_path 原图目录 下载coco数据集时的原图目录
15
#
color_img_save 原图存放目录
16
#
binary_img_save 二值图存放目录
17
dir=
os.listdir(json_path)
18
for
jfile
in
dir:
19
annFile =
os.path.join(json_path,jfile)
20
coco =
COCO(annFile)
21
imgIds =
coco.getImgIds()
22
img =
coco.loadImgs(imgIds[0])[0]
23
dataDir =
img_path
24
shutil.copy(os.path.join(dataDir, img[
'
file_name
'
]), color_img_save)
25
26
#
load and display instance annotations
27
#
加载实例掩膜
28
catIds =
[]
29
for
ann
in
coco.dataset[
'
annotations
'
]:
30
if
ann[
'
image_id
'
] ==
imgIds[0]:
31
catIds.append(ann[
'
category_id
'
])
32
33
annIds = coco.getAnnIds(imgIds=img[
'
id
'
], catIds=catIds, iscrowd=
None)
34
width = img[
'
width
'
]
35
height = img[
'
height
'
]
36
anns =
coco.loadAnns(annIds)
37
mask_pic =
np.zeros((height, width))
38
for
single
in
anns:
39
mask_single =
coco.annToMask(single)
40
mask_pic +=
mask_single
41
42
for
row
in
range(height):
43
for
col
in
range(width):
44
if
(mask_pic[row][col] >
0):
45
mask_pic[row][col] = 255
46
47
imgs = np.zeros(shape=(height, width, 3), dtype=
np.float32)
48
imgs[:, :, 0] =
mask_pic[:, :]
49
imgs[:, :, 1] =
mask_pic[:, :]
50
imgs[:, :, 2] =
mask_pic[:, :]
51
imgs =
imgs.astype(int)
52
img_name = img[
'
file_name
'
].split(
"
.
"
)[0]
53
plt.imsave(binary_img_save +
"
/
"
+ img_name +
"
.png
"
, imgs)
54
55
if
__name__
==
'
__main__
'
:
56
57
json_path =r
"
G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\test
"
58
img_path=r
"
G:\jianfeng\code\dataset\coco\train2014
"
59
color_img_save = r
"
G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\color_img
"
60
binary_img_save = r
"
G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\binary_img
"
61
62
get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save)
最终出现这些结果：
最后在搜索得到二值图方法时，也找到了一个不错的源码，但是他是将labelme格式的json或者xml转为二值图，虽然不是将coco格式转为二值图，但是记录下也许以后也会用的到
https://github.com/samr28/labelme-to-binary-image
参考：
https://blog.csdn.net/wc781708249/article/details/79603522
https://blog.csdn.net/u013735511/article/details/79099483
