【深度学习】ultralytics, yolo seg，实例分割图绘制，核对yolo seg 的txt标记对不对

这段代码的作用是从指定路径读取图像和标签文件，然后在图像上绘制分割区域和相关点，并保存最终的图像。以下是每个函数的具体作用及其解释：

1. read_labels(label_path):

   • 读取指定路径的标签文件。
   • 标签文件的每一行表示一个物体的分割信息，包含类别ID和多个坐标点（归一化的x, y值）。
   • 返回一个列表，每个元素是一个元组，包含类别ID和坐标点。

2. random_color():

   • 生成一个随机颜色，用于绘制分割区域和边界。

3. draw_segmentation(image, labels):

   • 接受一个图像和标签信息，在图像上绘制分割区域、边界和点。
   • 对于每个标签，先将归一化坐标转换为实际像素坐标，然后用随机颜色绘制多边形和边界，最后绘制点。
   • 使用cv2.addWeighted函数将绘制的分割区域和原始图像进行融合，产生半透明效果。

4. 主程序部分:

   • 指定图像路径并推导对应的标签文件路径。
   • 读取图像和标签。
   • 调用draw_segmentation函数在图像上绘制分割区域。
   • 保存最终绘制后的图像。

改进和优化建议

1. 错误处理: 增加对文件读取和解析的错误处理，以避免程序崩溃。
2. 颜色透明度: 透明度设置硬编码为100，可以将其作为可配置参数传入函数。
3. 文件路径: 路径处理方式可以更灵活，以适应更多的文件组织结构。

完整的改进代码示例

import cv2
import numpy as np
import random
import osdef read_labels(label_path):with open(label_path, 'r') as file:lines = file.readlines()labels = []for line in lines:parts = list(map(float, line.strip().split()))class_id = int(parts[0])points = np.array(parts[1:]).reshape(-1, 2)labels.append((class_id, points))return labelsdef random_color():return [random.randint(0, 255) for _ in range(3)]def draw_segmentation(image, labels, alpha=0.4, color_transparency=100):overlay = image.copy()for class_id, points in labels:# Convert normalized coordinates to absolute pixel valuespoints[:, 0] *= image.shape[1]points[:, 1] *= image.shape[0]points = points.astype(int)# Draw filled polygon with random colorcolor = random_color()cv2.fillPoly(overlay, [points], color + [color_transparency])  # 100 for transparency# Draw edges and pointscv2.polylines(image, [points], isClosed=True, color=color, thickness=2)for point in points:cv2.circle(image, tuple(point), 3, color, -1)# Combine original image with overlaycv2.addWeighted(overlay, alpha, image, 1 - alpha, 0, image)return image# Paths
image_path = r"/ssd/xiedong/lightyolov5/yolo-seg/coco8-seg/images/train/000000000009.jpg"
label_path = image_path.replace("images", "labels").replace(".jpg", ".txt")# Ensure paths exist
if not os.path.exists(image_path):raise FileNotFoundError(f"Image file not found: {image_path}")
if not os.path.exists(label_path):raise FileNotFoundError(f"Label file not found: {label_path}")# Read image and labels
image = cv2.imread(image_path)
labels = read_labels(label_path)# Draw segmentation on the image
segmented_image = draw_segmentation(image, labels)# Save the result
output_path = "segmented_image1.png"
cv2.imwrite(output_path, segmented_image)
print(f"Segmented image saved to {output_path}")

改进点

• 增加了对文件路径存在性的检查，避免文件不存在时程序崩溃。
• 将透明度参数和颜色透明度参数外部化，增加函数的灵活性。
• 在保存结果图像时，打印保存路径，方便用户确认保存位置。

问询、帮助

你如果需要帮助，请看这里：

https://docs.qq.com/sheet/DUEdqZ2lmbmR6UVdU?tab=BB08J2