VOC Segmentation GT图像颜色表生成分析

本系列文章由 @yhl_leo 出品，转载请注明出处。
文章链接： http://blog.csdn.net/yhl_leo/article/details/52185581

---

PASCAL VOC图像分割数据集中，图像中各个类别以不同的颜色进行区分，即Ground Truth中，每种颜色都对应着相应的类别：

可以看出这个颜色表既好看又容易区分开。下面来看，这个color map是如何产生的。

先附上Matlab版本的代码：

% VOCLABELCOLORMAP Creates a label color map such that adjacent indices have different% colors.  Useful for reading and writing index images which contain large indices,% by encoding them as RGB images.%% CMAP = VOCLABELCOLORMAP(N) creates a label color map with N entries.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;

其中，N就是类别数，而bitor()，bitshift()，bitget()这些位运算的函数，可以在Matlab中查询其功能，很容易理解（源码就不做分析了）。

对于VOC 20类的分割问题，我们调用：labelcolormap(21)，可以得到如下输出（这里把结果乘以255，使用整数表示）：

     0     0     0   128     0     0     0   128     0   128   128     0     0     0   128   128     0   128     0   128   128   128   128   128    64     0     0   192     0     0    64   128     0   192   128     0    64     0   128   192     0   128    64   128   128   192   128   128     0    64     0   128    64     0     0   192     0   128   192     0     0    64   128

索引值 颜色值 颜色 0 (0,0,0) 1 (128,0,0) 2 (0,128,0) 3 (128,128,0) 4 (0,0,128) 5 (128,0,128) 6 (0,128,128) 7 (128,128,128) 8 (64,0,0) 9 (192,0,0) 10 (64,128,0) 11 (192,128,0) 12 (64,0,128) 13 (192,0,128) 14 (64,128,128) 15 (192,128,128) 16 (0,64,0) 17 (128,64,0) 18 (0,192,0) 19 (128,192,0) 20 (0,64,128)

---

我将Matlab代码转为python版本：

def uint82bin(n, count=8):    """returns the binary of integer n, count refers to amount of bits"""    return ''.join([str((n >> y) & 1) for y in range(count-1, -1, -1)])def labelcolormap(N):    cmap = np.zeros((N, 3), dtype = np.uint8)    for i in range(N):        r = 0        g = 0        b = 0        id = i        for j in range(7):            str_id = uint82bin(id)            r = r ^ ( np.uint8(str_id[-1]) << (7-j))            g = g ^ ( np.uint8(str_id[-2]) << (7-j))            b = b ^ ( np.uint8(str_id[-3]) << (7-j))            id = id >> 3        cmap[i, 0] = r        cmap[i, 1] = g        cmap[i, 2] = b    return cmap

这里，我并没有将cmap保存成float型，而是无符号整型，不过这是小事。执行labelcolormap(21)后，得到输出如下：

[[  0   0   0] [128   0   0] [  0 128   0] [128 128   0] [  0   0 128] [128   0 128] [  0 128 128] [128 128 128] [ 64   0   0] [192   0   0] [ 64 128   0] [192 128   0] [ 64   0 128] [192   0 128] [ 64 128 128] [192 128 128] [  0  64   0] [128  64   0] [  0 192   0] [128 192   0] [  0  64 128]]

与Matlab版本的结果一致。