cpp
复制代码
from PIL import Image, ImageDraw
import json
import numpy as np
import shutil
import os
import glob
import tqdm
def pro():
# 图片有，json 没有有，遍历删除多余的图片
# 定义JSON文件所在的目录,所有json 数据提取有内中膜和血管的json 分割到另一个文件夹
save_json_dir = "/home/syy/data/carotid_all/vessel_intima_jsons/"
json_dir = "/home/syy/data/carotid_all/jsons"
# 存储所有标签名称的列表
all_labels = []
n=0
# 遍历JSON文件
for json_file in os.listdir(json_dir):
list_set = set()
src_path = ""
dst_path=""
src_img_path=""
dst_img_path=""
yes=0
if json_file.endswith(".json"):
with open(os.path.join(json_dir, json_file), "r") as f:
data = json.load(f)
imageName = data["imagePath"]
# 获取该JSON文件中的标签信息
# "label": "intima",
# "label": "vessel",
if "shapes" in data:
for shape in data["shapes"]:
label = shape["label"]
list_set.add(label)
if "intima" in list_set and "vessel" in list_set :
print(list_set)
print(json_file)
yes=1
src_path = os.path.join(json_dir, json_file)
dst_path = os.path.join(save_json_dir, json_file)
src_img_path = "/home/syy/data/carotid_all/images/" + imageName
dst_img_path = "/home/syy/data/carotid_all/vessel_intima_imgs/" + imageName
if yes:
shutil.copy(src_path, dst_path)
shutil.copy(src_img_path,dst_img_path)
n=n+1
print(n)
# # 打印所有标签名称
# for label in all_labels:
# print(label)
def get_all_json_label():
# 分割的json 文件得到所有的label
json_dir = "/home/syy/data/carotid_all/vessel_intima_jsons"
# 存储所有标签名称的列表，不重复
list_set = set()
# 遍历JSON文件
for json_file in os.listdir(json_dir):
if json_file.endswith(".json"):
with open(os.path.join(json_dir, json_file), "r") as f:
data = json.load(f)
# 获取该JSON文件中的标签信息
# "label": "intima",
# "label": "vessel",
if "shapes" in data:
for shape in data["shapes"]:
label = shape["label"]
list_set.add(label)
print(list_set)
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 += 1
color_map = num_classes * [0, 0, 0]
for i in range(0, num_classes):
j = 0
lab = i
while 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 += 1
lab >>= 3
color_map = color_map[3:]
return color_map
def get_indexes_np(arr, target):
return np.where(arr == target)[0].tolist()
def json_to_mask(json_file,save_mask_root,label_to_id ,concat_label):
color_map = get_color_map_list(256)
#提供 json_file ，和img_file 绝对路径
# json文件中的部分label , 或者全部label
# 读取JSON文件
with open(json_file, 'r') as json_file:
data = json.load(json_file)
# 获取图像的尺寸
width = data['imageWidth']
height = data['imageHeight']
imageName = data["imagePath"]
# 创建一个全零的数组作为伪颜色 mask，使用uint8数据类型
mask = np.zeros((height, width), dtype=np.uint8)
# 两个同步，用于大目标小目标，优先级谁，小目标黏贴大目标中，
mask_list = []
mask_label_list = []
# 遍历分割数据
for segment in data['shapes']: # 一个json 文件多个分割标注，遍历
label = segment['label']
points = segment['points']
polygon = np.array(points, dtype=np.int32)
# 有些分割对象是包含关系需要，先做大的再做小的分割对象，不然就覆盖了,这里是每个分割对象有了对应唯一的值，之后合并出来的,没有这个问题
if label in label_to_id: # 字典中没有这个label 跳出
label_value = label_to_id.get(label, -1) # 获取键'intima'对应的值,不存在返回-1 # 已经是 0， 1 2这种label映射了
# 使用 ImageDraw.Draw 来填充多边形区域
mask_image = Image.fromarray(np.zeros((height, width), dtype=np.uint8))
image_draw = ImageDraw.Draw(mask_image)
points_list = [tuple(point) for point in points]
assert len(points_list) > 2, 'Polygon must have points more than 2'
image_draw.polygon(xy=points_list, outline=label_value, fill=label_value)
# # 合并 'vessel' 和 'intima' 到一个伪颜色 mask
# mask = mask + mask_image # 0 , 1, 2, 如果有重叠的，说明有3，把3变成1
mask_label_list.append(label)
mask_list.append(mask_image)
# 这种拼接没有交集可以这么拼接，有交集，以最大的像素为主，不适应多种情况
# mask = np.maximum(mask, np.array(mask_image)) # 它用于比较两个数组（或数组和标量）的元素，并返回一个新的数组，该数组包含了两个输入数组中对应位置元素的较大值
# 拼接目标的操作
# mask_list.sort(key=lambda x: np.max(x), reverse=True) # 大目标在前面，或者指定哪个目标在前面 2是血管
# 拼接操作，大的在下面，小目标重叠黏贴到前一个图片上，这种操作
# concat_label = ["vessel","intima"] # 拼接图片优先级别
for b in range(len(concat_label)):
lab = concat_label[b]
arr = np.array(mask_label_list) # ["vessel","intima","intima","intima","vessel]
target = lab
index_list = get_indexes_np(arr, target) # 【0,4】
# print("=====>", target,mask_label_list,index_list)
for ind in index_list:
mask_data = np.array(mask_list[ind])
vv = np.max(np.unique(mask_data))
# print("*******",lab,vv,np.unique(mask_data))
# 大目标在前，按照小目标，特定顺序， 后者黏贴到前者上，保证小目标不会被覆盖
# 后一张图片黏贴到前一张图片当中，两张图片大小是一致的
mask = np.where(mask_data == vv, vv, mask) # mask_data 中的像素值等于1的，区域黏贴到 mask 图片中并且像素值也是1
all_label_id = np.unique(np.array(mask))
if len(all_label_id)<len(label_to_id):# 背景 内中膜，血管 ，一定有3个
print("分割图像和label,和给定的label 不一致")
print(all_label_id,label_to_id)
return
# 保存伪颜色 mask ，多个对象拼接好了之后，像素值不变还是0,1,2
mask_all = Image.fromarray(mask.astype(np.uint8), mode='P')
mask_all.putpalette(color_map)
mask_all.save(save_mask_root+imageName)
if __name__ == "__main__":
# 打印所有的lab_set信息
# get_all_json_label()
# {'intima', 'vessel', 'plaque'}
# 1、对于 images labels 文件夹，找到同时有内中膜和血管的图片和json 复制到新的文件
# pro() #符合要求的，同时有血管内中膜的图片+json，复制出来
# 2、设置lab 顺序，内中膜1， 血管2， 传递参数到jsontomask 函数中，保存 可以训练的mask 伪颜色图片
label_sort = ["__background__","intima","vessel"] # 顺序不要错了，第一个一定是背景0
# 拼接顺序
concat_label = ["vessel","intima"] #大目标覆盖小目标， 拼接多个分割对象，大目标在前，小的目标在后，后者直接黏贴到这个位置
# 创建一个标签名称到标签ID的映射字典
label_to_id = {label: i for i, label in enumerate(label_sort)}
print(label_to_id)
save_mask_root = "/home/syy/data/carotid_all/vessel_intima_mask/"
for json_file in tqdm(glob.glob("/home/syy/data/carotid_all/vessel_intima_jsons/*.json")):
json_to_mask(json_file, save_mask_root,label_to_id,concat_label)