coco数据集标注图转为二值图python（附代码）

coco数据集大概有8w张以上的图片，而且每幅图都有精确的边缘mask标注。

后面后分享一个labelme标注的json或xml格式转二值图的源码（以备以后使用）

而我现在在研究显著性目标检测，需要的是边缘mask的二值图像。搜了很久，并没有人做过这种工作，只能得到如下的掩膜图

而我需要的图像为二值图，如下

说下 我的过程 并附上代码：

首先，coco数据集将所有的8w多张图片标注信息整合到一个json文件中，所以我们需要将单张图片标注信息json文件提取出来，以下是批量提取脚本。

注： 需要改动地方 1）第6行：将json_file改为原coco数据集json文件的地址 （coco/annotations/xxxxx.json）

                               2)  第13行：设置需要提取的图片数量 我是提取82000张

                               3）第37行：设置存储json文件的目录 需要新建空文件夹 我是放在./coco_single_object下

                               4）第33-35行：可选 将图片的名称写入data.txt中 不需要的话可以注释掉

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

#json文件的地址 需要手动设置
json_file='../pycocotools/instances_train2014.json' # # Object Instance 类型的标注
# person_keypoints_val2017.json  # Object Keypoint 类型的标注格式
# captions_val2017.json  # Image Caption的标注格式

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

#设置需要提取的图片数量 我设置提取82000张
for i in range(82000):
    data_2 = {}
    data_2['info'] = data['info']
    data_2['licenses'] = data['licenses']
    data_2['images'] = [data['images'][i]]  # 只提取第一张图片
    data_2['categories'] = data['categories']
    annotation = []

    # 通过imgID 找到其所有对象
    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，便于查看数据特点
    #img_file 获取图片名称
    img_file=data_2['images'][0]['file_name']
    img_first=img_file.split(".")[0]
    #将提取出的图片写入data.txt文件中并换行 (optional)
    # with open('./coco_single_object/data.txt',mode='a') as f:
    #         f.write(img_file)
    #         f.write("
")
    #设置存储目录 我的是存在当前目录下coco_single_object文件夹下 需要手动创建空文件夹
    json.dump(data_2, open('./coco_single_object/'+img_first+'.json', 'w'), indent=4)  # indent=4 更加美观显示

最后的结果是82000张 json文件

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

有了单张json文件之后，就是将mask掩膜提取出二值图片的过程了

注：函数传入4个参数 json_path,img_path,color_img_save,binary_img_save

       分别对应  json_path: 上一步提取出的json文件的文件夹路径

                       img_path: coco数据集下载时原图目录 

                       color_img_save: 存放原图的目录 （需要新建此文件夹）

                       binary_img_save: 存放二值图的目录（需要新建此文件夹）

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文件路径  从coco数据集的annotations标注json文件中提取出的单个json文件
    #  img_path 原图目录   下载coco数据集时的原图目录
    # color_img_save 原图存放目录
    # binary_img_save 二值图存放目录
    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
        # 加载实例掩膜
        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:jianfengcodedatasetcocoapi-masterPythonAPIget_json	est"
    img_path=r"G:jianfengcodedatasetcoco	rain2014"
    color_img_save = r"G:jianfengcodedatasetcocoapi-masterPythonAPIget_jsoncolor_img"
    binary_img_save = r"G:jianfengcodedatasetcocoapi-masterPythonAPIget_jsoninary_img"

    get_single_binaryImg(json_path,img_path,color_img_save,binary_img_save)

最终出现这些结果：

     

最后在搜索得到二值图方法时，也找到了一个不错的源码，但是他是将labelme格式的json或者xml转为二值图，虽然不是将coco格式转为二值图，但是记录下也许以后也会用的到

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

 参考：

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

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