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("\n")
     #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:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\test"
     img_path=r"G:\jianfeng\code\dataset\coco\train2014"
     color_img_save = r"G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\color_img"
     binary_img_save = r"G:\jianfeng\code\dataset\cocoapi-master\PythonAPI\get_json\binary_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