如何查询网站点击量运营和营销是一回事吗

检验灰度图

制作语义分割数据集或用训练好模型测试图像时，得到的结果是灰度图像，如下：

检验代码

上面图像灰度值不是全是全为0，灰度范围在[0,1]之间，使用下面脚本测试灰度图像的灰度值是否全为0：

import cv2img = cv2.imread("output/result/Result_2023.9.18_Int8/Val_Predict/BlockImage/1.png")min_val = img.min()
max_val= img.max()print("min_val",min_val)
print("max_val",max_val)
print("dtype",img.dtype)
print("shape",img.shape)
print("img = ",img)cv2.imshow("1",img)
cv2.waitKey()
cv2.destroyWindow()

通过上面脚本检测结果如下：

灰度图转伪彩色图代码

上面的灰度图直观的看不了测试结果怎样，得将[0,1]区间的灰度值映射到[0,255]，详解代码见下：

from __future__ import print_functionimport argparse
import os
import os.path as osp
import sys
import numpy as np
from PIL import Imagedef parse_args():parser = argparse.ArgumentParser(formatter_class=argparse.ArgumentDefaultsHelpFormatter)parser.add_argument('dir_or_file', help='input gray label directory or file list path')parser.add_argument('output_dir', help='output colorful label directory')parser.add_argument('--dataset_dir', help='dataset directory')parser.add_argument('--file_separator', help='file list separator')return parser.parse_args()def get_color_map_list(num_classes):"""Returns the color map for visualizing the segmentation mask,which can support arbitrary number of classes.Args:num_classes (int): Number of classes.Returns:(list). The color map."""num_classes += 1color_map = num_classes * [0, 0, 0]for i in range(0, num_classes):j = 0lab = iwhile lab:color_map[i * 3] |= (((lab >> 0) & 1) << (7 - j))color_map[i * 3 + 1] |= (((lab >> 1) & 1) << (7 - j))color_map[i * 3 + 2] |= (((lab >> 2) & 1) << (7 - j))j += 1lab >>= 3color_map = color_map[3:]return color_mapdef gray2pseudo_color(args):"""将灰度标注图片转换为伪彩色图片"""input = args.dir_or_fileoutput_dir = args.output_dirif not osp.exists(output_dir):os.makedirs(output_dir)print('Creating colorful label directory:', output_dir)color_map = get_color_map_list(256)if os.path.isdir(input):for fpath, dirs, fs in os.walk(input):for f in fs:try:grt_path = osp.join(fpath, f)_output_dir = fpath.replace(input, '')_output_dir = _output_dir.lstrip(os.path.sep)im = Image.open(grt_path)lbl = np.asarray(im)lbl_pil = Image.fromarray(lbl.astype(np.uint8), mode='P')lbl_pil.putpalette(color_map)real_dir = osp.join(output_dir, _output_dir)if not osp.exists(real_dir):os.makedirs(real_dir)new_grt_path = osp.join(real_dir, f)lbl_pil.save(new_grt_path)print('New label path:', new_grt_path)except:continueelif os.path.isfile(input):if args.dataset_dir is None or args.file_separator is None:print('No dataset_dir or file_separator input!')sys.exit()with open(input) as f:for line in f:parts = line.strip().split(args.file_separator)grt_name = parts[1]grt_path = os.path.join(args.dataset_dir, grt_name)im = Image.open(grt_path)lbl = np.asarray(im)lbl_pil = Image.fromarray(lbl.astype(np.uint8), mode='P')lbl_pil.putpalette(color_map)grt_dir, _ = osp.split(grt_name)new_dir = osp.join(output_dir, grt_dir)if not osp.exists(new_dir):os.makedirs(new_dir)new_grt_path = osp.join(output_dir, grt_name)lbl_pil.save(new_grt_path)print('New label path:', new_grt_path)else:print('It\'s neither a dir nor a file')if __name__ == '__main__':args = parse_args()gray2pseudo_color(args)

转换代码使用细则

使用该代码，只需要在终端去到该文件所在路径下，添加灰度图像文件夹路径和转换后的保存路径即可。

终端中输入的命令为：

python gray2pseudo_color.py <dir_or_file> <output_dir>

上面命令中：

dir_or_file为灰度图所在的路径

output_dir为转换后伪彩色图像的保存路径

具体的使用方法见下图：

示例转换结果

转换后的对比结果如下图：

总结

以上就是语义分割中灰度图像转伪彩色图像的方法，希望能帮到你，多多支持，谢谢！