将图像标记器多边形转换为标记的块图像以进行语义分割

简介: 将存储在对象中的多边形标签转换为适用于语义分割工作流的标记阻止图像。可以使用计算机视觉工具箱中的图像标记器应用来标记太大而无法放入内存和多分辨率图像的图像。有关详细信息,请参阅在图像标记器(计算机视觉工具箱)中标记大图像。图像标记器应用不支持对被阻止的图像进行像素标记。您只能使用 ROI 形状(如多边形、矩形和线条)创建标签。此示例演示如何使用函数将多边形 ROI 转换为像素标记的块图像,以进行语义分割工作流。

​一、前言
将存储在对象中的多边形标签转换为适用于语义分割工作流标记阻止图像。
可以使用计算机视觉工具箱中的图像标记器应用来标记太大而无法放入内存和多分辨率图像的图像。有关详细信息,请参阅在图像标记器(计算机视觉工具箱)中标记大图像。图像标记器应用不支持对被阻止的图像进行像素标记。您只能使用 ROI 形状(如多边形、矩形和线条)创建标签。此示例演示如何使用函数将多边形 ROI 转换为像素标记的块图像,以进行语义分割工作流。
使用来自 CAMELYON16 数据集的含有肿瘤组织的淋巴结训练图像的修改版本创建阻塞图像。修改后的图像具有三个粗略分辨率级别。已调整空间参考以强制实施一致的纵横比并在每个级别注册要素。
二、装载标签地面实况数据
此示例加载一个预先保存的对象 ,通过使用图像标记器应用标记被阻止的图像数据来创建。该对象存储图中显示的多边形标签。正常组织投资回报率以绿色勾勒,肿瘤组织投资回报率以红色勾勒。您可以从图像标记器应用中导出自己的标记地面实况数据,方法是选择导出,然后选择到工作区。
1.png

三、提取投资回报率位置和标签数据
对象的属性将多边形标签数据存储为表,每个标签对应一列。使用本示例末尾定义的帮助程序函数将存储在 中的位置数据和标签转换为接受作为函数输入的格式。将数字标签分配给正常组织 ROI,将标签分配给肿瘤组织 ROI。

四、创建带标签的阻止映像
为新的被阻止图像选择所需的分辨率级别。这种选择是在效率和准确性之间进行权衡。使用较粗的分辨率级别可减少处理时间和存储大小。使用更精细的分辨率级别会增加蒙版中保留的细节级别。您可以将粗略分辨率级别用于常规 ROI,例如多边形。对于较小的手绘投资回报率,精细的分辨率级别更合适。对于此示例,请使用中间分辨率级别。
指定新被阻止图像的图像大小,使其与原始图像 的图像大小相匹配,并达到所需的分辨率级别。创建带标签的阻止映像。将原始被阻止图像的空间参考保持在所需的分辨率级别。默认情况下, 将不属于任何 ROI 内的像素分配给数字标签。显示覆盖在原始图像上的标记阻止图像。对象肿瘤和正常组织多边形对应的区域分别以红色和绿色显示。
2.png

目录
相关文章
|
8月前
|
算法 前端开发
100224. 分割数组
100224. 分割数组
49 0
|
机器学习/深度学习 监控 TensorFlow
数据分割
在机器学习和数据分析中,数据分割是指将可用数据集划分为训练集、验证集和测试集等子集的过程。这种分割的目的是为了评估和验证机器学习模型的性能,并对其进行调优和泛化能力的评估。下面我将解释为什么要进行数据分割,以及如何进行数据分割,并提供一个简单的示例。
359 0
|
7月前
|
编解码 计算机视觉 异构计算
【CV大模型SAM(Segment-Anything)】如何一键分割图片中所有对象?并对不同分割对象进行保存?
【CV大模型SAM(Segment-Anything)】如何一键分割图片中所有对象?并对不同分割对象进行保存?
|
3月前
|
Serverless 计算机视觉
语义分割笔记(三):通过opencv对mask图片来画分割对象的外接椭圆
这篇文章介绍了如何使用OpenCV库通过mask图像绘制分割对象的外接椭圆。首先,需要加载mask图像,然后使用`cv2.findContours()`寻找轮廓,接着用`cv2.fitEllipse()`拟合外接椭圆,最后用`cv2.ellipse()`绘制椭圆。文章提供了详细的代码示例,展示了从读取图像到显示结果的完整过程。
75 0
语义分割笔记(三):通过opencv对mask图片来画分割对象的外接椭圆
|
5月前
|
算法 计算机视觉
基于轮廓提取的 图像填充法
这篇文章介绍了一种基于轮廓提取的图像填充法,使用CVPR2021开源的pidinet项目进行轮廓提取,再结合OpenCV的floodFill算法实现图像的动态填充和复原功能。
|
7月前
|
存储 算法 Python
查找图像轮廓
【6月更文挑战第11天】查找图像轮廓。
66 3
|
8月前
[Halcon&图像] 图像、区域和轮廓相互转化
[Halcon&图像] 图像、区域和轮廓相互转化
315 1
|
计算机视觉
opencv 之图像的边界填充及一些数据计算
opencv 之图像的边界填充及一些数据计算
127 0
|
数据可视化 算法 Serverless
使用分水岭算法分割图像中相互接触的对象
使用分水岭分割来分离图像中相互接触的对象。分水岭变换通过将图像视为一个曲面,其中亮像素表示较高处,暗像素表示较低处,从而找出图像中的“汇水盆地”和“分水岭脊线”。
115 0
|
算法 固态存储
分别使用SAD匹配,NCC匹配,SSD匹配三种算法提取双目图像的深度信息
分别使用SAD匹配,NCC匹配,SSD匹配三种算法提取双目图像的深度信息
185 0
分别使用SAD匹配,NCC匹配,SSD匹配三种算法提取双目图像的深度信息

热门文章

最新文章

下一篇
开通oss服务