coco數據集標注圖轉為二值圖python（附代碼）

coco數據集大概有8w張以上的圖片，而且每幅圖都有精確的邊緣mask標注。

后面后分享一個labelme標注的json或xml格式轉二值圖的源碼（以備以后使用）

而我現在在研究顯著性目標檢測，需要的是邊緣mask的二值圖像。搜了很久，並沒有人做過這種工作，只能得到如下的掩膜圖

而我需要的圖像為二值圖，如下

說下 我的過程 並附上代碼：

首先，coco數據集將所有的8w多張圖片標注信息整合到一個json文件中，所以我們需要將單張圖片標注信息json文件提取出來，以下是批量提取腳本。

注： 需要改動地方 1）第6行：將json_file改為原coco數據集json文件的地址 （coco/annotations/xxxxx.json）

                               2)  第13行：設置需要提取的圖片數量 我是提取82000張

                               3）第37行：設置存儲json文件的目錄 需要新建空文件夾 我是放在./coco_single_object下

                               4）第33-35行：可選 將圖片的名稱寫入data.txt中 不需要的話可以注釋掉

# -*- coding:utf-8 -*-
from __future__ import print_function
import json

#json文件的地址 需要手動設置
json_file='../pycocotools/instances_train2014.json' # # Object Instance 類型的標注
# person_keypoints_val2017.json  # Object Keypoint 類型的標注格式
# captions_val2017.json  # Image Caption的標注格式

data=json.load(open(json_file,'r'))

#設置需要提取的圖片數量 我設置提取82000張
for i in range(82000):
    data_2 = {}
    data_2['info'] = data['info']
    data_2['licenses'] = data['licenses']
    data_2['images'] = [data['images'][i]]  # 只提取第一張圖片
    data_2['categories'] = data['categories']
    annotation = []

    # 通過imgID 找到其所有對象
    imgID = data_2['images'][0]['id']
    for ann in data['annotations']:
        if ann['image_id'] == imgID:
            annotation.append(ann)

    data_2['annotations'] = annotation
    # 保存到新的JSON文件，便於查看數據特點
    #img_file 獲取圖片名稱
    img_file=data_2['images'][0]['file_name']
    img_first=img_file.split(".")[0]
    #將提取出的圖片寫入data.txt文件中並換行 (optional)
    # with open('./coco_single_object/data.txt',mode='a') as f:
    #         f.write(img_file)
    #         f.write("\n")
    #設置存儲目錄 我的是存在當前目錄下coco_single_object文件夾下 需要手動創建空文件夾
    json.dump(data_2, open('./coco_single_object/'+img_first+'.json', 'w'), indent=4)  # indent=4 更加美觀顯示

最后的結果是82000張 json文件

---------------------------------------------------------------------------------------------------------------------------------------

有了單張json文件之后，就是將mask掩膜提取出二值圖片的過程了

注：函數傳入4個參數 json_path,img_path,color_img_save,binary_img_save

       分別對應  json_path: 上一步提取出的json文件的文件夾路徑

                       img_path: coco數據集下載時原圖目錄 

                       color_img_save: 存放原圖的目錄 （需要新建此文件夾）

                       binary_img_save: 存放二值圖的目錄（需要新建此文件夾）

from __future__ import print_function
from pycocotools.coco import COCO
import os, sys, zipfile
import urllib.request
import shutil
import numpy as np
import skimage.io as io
import matplotlib.pyplot as plt
import pylab
pylab.rcParams['figure.figsize'] = (8.0, 10.0)
import os
def get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save):
    # json_path json文件路徑  從coco數據集的annotations標注json文件中提取出的單個json文件
    #  img_path 原圖目錄   下載coco數據集時的原圖目錄
    # color_img_save 原圖存放目錄
    # binary_img_save 二值圖存放目錄
    dir=os.listdir(json_path)
    for jfile in dir:
        annFile =os.path.join(json_path,jfile)
        coco = COCO(annFile)
        imgIds = coco.getImgIds()
        img = coco.loadImgs(imgIds[0])[0]
        dataDir = img_path
        shutil.copy(os.path.join(dataDir, img['file_name']), color_img_save)

        # load and display instance annotations
        # 加載實例掩膜
        catIds = []
        for ann in coco.dataset['annotations']:
            if ann['image_id'] == imgIds[0]:
                catIds.append(ann['category_id'])

        annIds = coco.getAnnIds(imgIds=img['id'], catIds=catIds, iscrowd=None)
        width = img['width']
        height = img['height']
        anns = coco.loadAnns(annIds)
        mask_pic = np.zeros((height, width))
        for single in anns:
            mask_single = coco.annToMask(single)
            mask_pic += mask_single

        for row in range(height):
            for col in range(width):
                if (mask_pic[row][col] > 0):
                    mask_pic[row][col] = 255

        imgs = np.zeros(shape=(height, width, 3), dtype=np.float32)
        imgs[:, :, 0] = mask_pic[:, :]
        imgs[:, :, 1] = mask_pic[:, :]
        imgs[:, :, 2] = mask_pic[:, :]
        imgs = imgs.astype(int)
        img_name = img['file_name'].split(".")[0]
        plt.imsave(binary_img_save + "/" + img_name + ".png", imgs)

if __name__ == '__main__':

    json_path =r"G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\test"
    img_path=r"G:\jianfeng\code\dataset\coco\train2014"
    color_img_save = r"G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\color_img"
    binary_img_save = r"G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\binary_img"

    get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save)

最終出現這些結果：

     

最后在搜索得到二值圖方法時，也找到了一個不錯的源碼，但是他是將labelme格式的json或者xml轉為二值圖，雖然不是將coco格式轉為二值圖，但是記錄下也許以后也會用的到

https://github.com/samr28/labelme-to-binary-image

 參考：

https://blog.csdn.net/wc781708249/article/details/79603522

https://blog.csdn.net/u013735511/article/details/79099483