把mask文件转换成celpose的格式

最新推荐文章于 2025-06-29 09:09:25 发布

原创最新推荐文章于 2025-06-29 09:09:25 发布 · 950 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节

该博客介绍了如何使用skimage和PIL库对图像进行连通区域分析，包括单个图像和批量处理。在处理过程中，注意到当矩形框有重叠时，直接赋值会导致信息覆盖。为解决此问题，改用获取连通区域像素点并直接赋值的方法，确保每个区域的正确标识。

基本用法

import math
import matplotlib.pyplot as plt
from skimage.measure import label, regionprops, regionprops_table
from PIL import Image
import numpy as np

img = Image.open("C429.png")
img = np.array(img)

label_img = label(img)
regions = regionprops(label_img)
print(len(regions))

fig, ax = plt.subplots()
ax.imshow(img, cmap=plt.cm.gray)

for props in regions:
    y0, x0 = props.centroid
    orientation = props.orientation
    x1 = x0 + math.cos(orientation) * 0.5 * props.minor_axis_length
    y1 = y0 - math.sin(orientation) * 0.5 * props.minor_axis_length
    x2 = x0 - math.sin(orientation) * 0.5 * props.major_axis_length
    y2 = y0 - math.cos(orientation) * 0.5 * props.major_axis_length

    ax.plot((x0, x1), (y0, y1), '-r', linewidth=1)
    ax.plot((x0, x2), (y0, y2), '-r', linewidth=1)
    ax.plot(x0, y0, '.g', markersize=5)

    minr, minc, maxr, maxc = props.bbox
    bx = (minc, maxc, maxc, minc, minc)
    by = (minr, minr, maxr, maxr, minr)
    ax.plot(bx, by, '-b', linewidth=2.5)

# ax.axis((0, 2048, 600, 2048))
plt.show()
plt.savefig("test.png")

单个图像处理

from skimage.measure import label, regionprops
from PIL import Image
import numpy as np

img = Image.open("C429.png")
img = np.array(img, dtype=np.uint16)  # for cellpose mask format:uint16

label_img = label(img)
regions = regionprops(label_img)
print(len(regions))

for props in regions:
    minr, minc, maxr, maxc = props.bbox
    img[minr:maxr, minc:maxc][np.where(img[minr:maxr, minc:maxc] != 0)] = props.label

img = Image.fromarray(img)
img.save("test.png")

批量处理

from skimage.measure import label, regionprops
from PIL import Image
import numpy as np
import os

files = os.listdir("masks")
for file in files:
    img = Image.open(os.path.join("masks", file))
    img = np.array(img, dtype=np.uint16)  # for cellpose mask format:uint16

    label_img = label(img)
    regions = regionprops(label_img)
    print(len(regions))

    for props in regions:
        minr, minc, maxr, maxc = props.bbox
        img[minr:maxr, minc:maxc][np.where(img[minr:maxr, minc:maxc] != 0)] = props.label

    img = Image.fromarray(img)
    img.save(os.path.join("D:\cell_segmentation\data\CellData\masks", file.split(".")[0]+"_masks.png"))

以上方法存在的问题

当两个矩形框有重合的部分，赋值时后面的值会把前面的值覆盖，造成赋值错误。

在这里插入图片描述

解决方法：根据regionprops得到连通区域的属性，找到连通区域的所有像素点，给像素点赋值。而不是给矩阵框中的像素点赋值。

连通区域属性：
在这里插入图片描述

正确的赋值方式

from skimage.measure import label, regionprops
from PIL import Image
import numpy as np
import os

files = os.listdir("masks")
for file in files:
    img = Image.open(os.path.join("masks", file))
    img = np.array(img, dtype=np.uint16)  # for cellpose mask format:uint16

    label_img = label(img)
    regions = regionprops(label_img)
    print(len(regions))

    for props in regions:
        minr, minc, maxr, maxc = props.bbox
        # 为了得到像素点的x,y坐标
        pixel_points = props.coords       # (2704,2) 
        pixel_points = np.transpose(pixel_points, [1, 0])   # (2, 2704)
        img[pixel_points[0], pixel_points[1]] = props.label

    img = Image.fromarray(img)
    img.save(os.path.join("masks", file.split(".")[0]+"_masks.png"))