图像分割 | FCN数据集制作的全流程（图像标注）

一 全卷积神经网络

文章所有代码已上传至github，觉得好用就给个star吧，谢谢

https://github.com/315386775/FCN_train

深度学习图像分割（FCN）训练自己的模型大致可以以下三步：

1.为自己的数据制作label；

2.将自己的数据分为train,val和test集；

3.仿照voc_lyaers.py编写自己的输入数据层。

其中主要是如何制作自己的数据label困扰着大家。

补充：由于图像大小的限制，这里给几个图像Resize的脚本：

（1）单张图片的resize

# coding = utf-8  import Image  def  convert(width,height):    im = Image.open("C:\\xxx\\test.jpg")    out = im.resize((width, height),Image.ANTIALIAS)    out.save("C:\\xxx\\test.jpg")if __name__ == '__main__':    convert(256,256)

（2）resize整个文件夹里的图片

# coding = utf-8import Imageimport osdef convert(dir,width,height):    file_list = os.listdir(dir)    print(file_list)    for filename in file_list:        path = ''        path = dir+filename        im = Image.open(path)        out = im.resize((256,256),Image.ANTIALIAS)        print "%s has been resized!"%filename        out.save(path)if __name__ == '__main__':   dir = raw_input('please input the operate dir:')   convert(dir,256,256)

(3)按比例resize

# coding = utf-8  import Image  def  convert(width,height):    im = Image.open("C:\\workspace\\PythonLearn1\\test_1.jpg")    (x, y)= im.size    x_s = width    y_s = y * x_s / x    out = im.resize((x_s, y_s), Image.ANTIALIAS)    out.save("C:\\workspace\\PythonLearn1\\test_1_out.jpg")if __name__ == '__main__':    convert(256,256)

二 图像标签制作

第一步：使用github开源软件进行标注

地址：https://github.com/wkentaro/labelme

第二步：为标注出来的label.png进行着色

首先需要对照VOC分割的颜色进行着色，一定要保证颜色的准确性。Matlab代码:

function cmap = labelcolormap(N)if nargin==0    N=256endcmap = zeros(N,3);for i=1:N    id = i-1; r=0;g=0;b=0;    for j=0:7        r = bitor(r, bitshift(bitget(id,1),7 - j));        g = bitor(g, bitshift(bitget(id,2),7 - j));        b = bitor(b, bitshift(bitget(id,3),7 - j));        id = bitshift(id,-3);    end    cmap(i,1)=r; cmap(i,2)=g; cmap(i,3)=b;endcmap = cmap / 255;

对应的颜色类别：

类别名称 R G B background 0 0 0 背景 aeroplane 128 0 0 飞机 bicycle 0 128 0 bird 128 128 0 boat 0 0 128 bottle 128 0 128 瓶子 bus 0 128 128 大巴 car 128 128 128 cat 64 0 0 猫 chair 192 0 0 cow 64 128 0 diningtable 192 128 0 餐桌 dog 64 0 128 horse 192 0 128 motorbike 64 128 128 person 192 128 128 pottedplant 0 64 0 盆栽 sheep 128 64 0 sofa 0 192 0 train 128 192 0 tvmonitor 0 64 128 显示器

然后使用python 的skimage库进行颜色填充，具体函数是skimage.color.label2rgb()，这部分代码以及颜色调整我已经完成了，由于代码太长就不贴出来了，有需要的可以私信我。

#!usr/bin/python# -*- coding:utf-8 -*-import PIL.Imageimport numpy as npfrom skimage import io,data,colorimport matplotlib.pyplot as pltimg = PIL.Image.open('xxx.png')img = np.array(img)dst = color.label2rgb(img, bg_label=0, bg_color=(0, 0, 0))io.imsave('xxx.png', dst)

其中skimage.color.label2rgb()的路径在：x:\Anaconda2\Lib\site-packages\skimage\color，修改如下两处，注意使用COLORS1。

DEFAULT_COLORS1 = ('maroon', 'lime', 'olive', 'navy', 'purple', 'teal',                  'gray', 'fcncat', 'fcnchair', 'fcncow', 'fcndining',                  'fcndog', 'fcnhorse', 'fcnmotor', 'fcnperson', 'fcnpotte',                  'fcnsheep', 'fcnsofa', 'fcntrain', 'fcntv')

　　　　　　　　　　　　　　　　

第三步：最关键的一步

需要注意的是，label文件要是gray格式，不然会出错：scores层输出与label的数据尺寸不一致，通道问题导致的，看下面的输出是否与VOC输出一致。

In [23]: img = PIL.Image.open('F:/DL/000001_json/test/dstfcn.png')In [24]: np.unique(img)Out[24]: array([0, 1, 2], dtype=uint8)

其中涉及到如何把24位png图转换为8位png图，直接上代码：

dirs=dir('F:/xxx/*.png');for n=1:numel(dirs)     strname=strcat('F:/xxx/',dirs(n).name);     img=imread(strname);     [x,map]=rgb2ind(img,256);     newname=strcat('F:/xxx/',dirs(n).name);     imwrite(x,map,newname,'png');end

三 FCN模型训练

推荐博客：http://www.cnblogs.com/xuanxufeng/p/6243342.html

四 测试图片结果上色

from PIL import Imageimport numpy as npfrom datasets import CONFIG# The arr is a predicted resultarr = np.load('arr.npy')print 'The shape of the image is:', arr.shapeprint 'The classes in the image are:', np.unique(arr)# Define the palettepalette = []for i in range(256):    palette.extend((i, i, i))# define the color of the 21 classes(PASACAL VOC)palette[:3*21] = CONFIG['voc12']['palette'].flatten()assert len(palette) == 768im = Image.fromarray(arr)im.show()im.putpalette(palette)im.show()im.save('out.png')

我的博客即将同步至腾讯云+社区，邀请大家一同入驻。