如何显示标注的纯黑mask图

文章目录

前言
一、二分类mask显示
二、多分类mask显示

前言

通常情况下，使用标注软件标注的标签图看起来都是纯黑的，因为mask图为单通道的灰度图，而灰度图一般要像素值大于128后，才会逐渐显白，255为白色。而标注的时候，不同类别的像素值是从1，2，3...这样的顺序，所以看起来是纯黑的。

一、二分类mask显示

若只是二分类，原本像素值就只有0和1的区分，那只需要将像素1转换为255即可显示白色，可使用inRange函数。

c 复制代码

	cv::Mat img = cv::imread("C:/Users/WA.png",0);
	cv::Mat img_i;
	cv::inRange(img, 1, 1, img_i); // 上界和下界都为1，即只匹配值为1的像素；将值为1的像素设置为白色(255)，其余像素为黑色（保持不变）
	cv::imshow("img", img);
	cv::imshow("img_i", img_i);

二、多分类mask显示

若存在多个类别，就需要给每个类别单独定义一种颜色。（彩色图是三通道的，mask图是单通道，所以这种操作也称为伪彩色映射）

代码如下（示例）：

python 复制代码

import cv2
import numpy as np
from PIL import Image
import glob

color_map = np.zeros((256 * 3)).astype('uint8')
color_map[:3 * 13] = np.array([[0, 0, 0],   # 0像素还是得为0
                                  [41, 43, 204],  # 原像素值为1的
                                  [6, 128, 245],  # 原像素值为2的
                                  [36, 159, 67],
                                  [41, 43, 204],
                                  [190, 104, 145],
                                  [75, 86, 135],
                                  [195,120,219],
                                  [127, 127, 127],
                                  [18, 189, 187],
                                  [207, 190, 72],
                                  [233, 199, 178],
                                  [118, 187, 248]
                                  ],dtype='uint8').flatten()

def labeltocolor(mask):
    im=Image.fromarray(mask)
    im.putpalette(color_map)
    im=np.array(im.convert('RGB'))
    # cv2.imshow("1",im)
    # cv2.waitKey()
    # cv2.destroyAllWindows()
    return im


# 遍历文件夹中的所有图片
image_paths = glob.glob('C:/Users/Desktop/train01/01/mask/*.png')
idx = 0  # 当前图片索引
num_images = len(image_paths)  # 图片数量

for image_path in image_paths:
    # 加载单通道遮罩图（假设为灰度图）
    mask = cv2.imread(image_paths[idx], cv2.IMREAD_GRAYSCALE)

    # 将遮罩图像应用伪彩色映射
    mask_color = labeltocolor(mask)


    cv2.imshow('Result', mask_color)
    key = cv2.waitKey(0) 

    if key == ord('q'):  
        break
    elif key == ord('n'):  
        idx = (idx + 1) % num_images

cv2.destroyAllWindows()