导师让训练数据集，但是原图和标注图在一起，怎么办呢

Question

毕设让mask一下但是不太能掌握，能教教吗，因为我本科是电信的，所以深度学习也是这学期刚接触不太理解这个原理

Answer 1

引自免费微信小程序：皆我百晓生

首先，很高兴您向我求助关于深度学习中如何处理合并在一起的原图与标注图（即MASK）的问题。在您的情况下，您需要将原图与标注图分离，并基于标注图中的色块信息创建MASK。以下是针对您的问题所提出的详细解决方案：

步骤一：分离原图与标注图

由于您提到原图和标注图已经合并在一起，第一步需要将它们分开。通常，标注图会以特定颜色或颜色通道表示不同类别的区域。假设标注图使用了某个特定颜色（例如红色）来标记感兴趣的区域，您可以利用色彩空间转换和阈值处理来分离出标注部分。

import cv2
import numpy as np

# 加载合并后的图片
merged_img = cv2.imread('merged_image.png')

# 将图片从BGR色彩空间转换到HSV色彩空间，便于根据颜色进行分离
hsv_img = cv2.cvtColor(merged_img, cv2.COLOR_BGR2HSV)

# 定义红色在HSV色彩空间的范围（这里仅作示例，您可能需要根据实际标注颜色调整）
lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255])

# 创建一个掩码，其中标注区域为白色，其余区域为黑色
mask = cv2.inRange(hsv_img, lower_red, upper_red)

# 分离原图和标注图
original_img = merged_img.copy()
annotated_img = cv2.bitwise_and(original_img, original_img, mask=mask)

步骤二：创建MASK（二值图）

现在已经分离出标注图，接下来可以将其转化为二值MASK。假设标注图中的感兴趣区域为单一颜色，可直接对分离出的标注图进行阈值处理得到MASK：

# 对分离出的标注图应用全局阈值，生成二值MASK
_, binary_mask = cv2.threshold(annotated_img, 127, 255, cv2.THRESH_BINARY)

# 保存MASK以便后续使用
cv2.imwrite('binary_mask.png', binary_mask)

步骤三：准备训练数据集

至此，您已经成功地从合并的原图中提取出了二值MASK。接下来，按照深度学习模型所需的数据格式组织训练数据集。通常，深度学习模型的训练数据集包含多个样本对，每个样本对由一张原图及其对应的MASK组成。您可以按照以下方式构建数据集：

import os
import glob

def build_dataset(input_dir, output_dir):
    # 收集所有合并的原图文件路径
    merged_img_paths = glob.glob(os.path.join(input_dir, '*.png'))

    for img_path in merged_img_paths:
        # 分离原图与标注图
        # ... (此处重复步骤一的操作)

        # 生成并保存MASK
        # ... (此处重复步骤二的操作)

        # 将原图与MASK文件路径分别保存至两个列表，用于构建数据集
        original_img_list.append(os.path.abspath(original_img))
        mask_list.append(os.path.abspath(binary_mask))

# 调用函数构建数据集
build_dataset('input_directory', 'output_directory')

以上代码示例展示了如何从合并的原图中分离出标注图并生成二值MASK，以及如何构建深度学习所需的训练数据集。请根据实际情况调整代码中的参数和文件路径。如果您遇到任何问题或需要进一步的帮助，请随时告知。