5行Python代碼實現圖像分割的步驟詳解
眾所周知圖像是由若干有意義的像素組成的,圖像分割作為計算機視覺的基礎,對具有現有目標和較精確邊界的圖像進行分割,實現在圖像像素級別上的分類任務。
圖像分割可分為語義分割和實例分割兩類,區別如下:
語義分割:將圖像中每個像素賦予一個類別標簽,用不同的顏色來表示; 實例分割:無需對每個像素進行標記,只需要找到感興趣物體的邊緣輪廓。圖像分割通常應用如下所示:
專業檢測:應用于專業場景的圖像分析,比如在衛星圖像中識別建筑、道路、森林,或在醫學圖像中定位病灶、測量面積等; 智能交通:識別道路信息,包括車道標記、交通標志等。本博客主要通過PixelLib模塊幫助用戶快速便捷實現圖像分割。
1、環境部署
在進行項目設計前,需要安裝所需的第三方庫文件:TensorFlow、Pillow、OpenCV-Python、scikit-image和PixelLib,指令如下所示:
pip install tensorflowpip install pillowpip install opencv-pythonpip install scikit-imagepip install pixellib
2、語義分割
PixelLib使用Deeplabv3+框架實現語義分割,在pascalvoc數據集上訓練的Xception模型用于語義分割。
第1步:導入PixelLib模塊,代碼如下所示:
import pixellibfrom pixellib.semantic import semantic_segmentation
第2步:創建用于執行語義分割的類實例,代碼如下所示:
segment_image = semantic_segmentation()
第3步:調用load_pascalvoc_model()函數加載在Pascal voc上訓練的Xception模型,代碼如下所示:
segment_image.load_pascalvoc_model('deeplabv3_xception_tf_dim_ordering_tf_kernels.h5')
第4步:調用segmentAsPascalvoc()函數對圖像進行分割,并且分割采用pascalvoc的顏色格式進行。此函數有兩個必選參數:
path_to_image:分割的目標圖像的路徑; path_to_output_image:保存分割后輸出圖像的路徑。將路徑替換為自己環境路徑即可,代碼如下所示:
segment_image.segmentAsPascalvoc('path_to_image', output_image_name = 'path_to_output_image')
上傳圖像,語義分割后效果如下所示:
也可以生成了帶有分段疊加層的圖像,只需要將segmentAsPascalvoc()函數的overlay屬性設置為True,代碼如下所示:
segment_image.segmentAsPascalvoc('sample1.jpg', output_image_name = 'image_new.jpg', overlay = True)
分段疊加層效果如下所示:
3、即時分割
PixelLib的實例分割基于MaskRCNN框架實現,也僅需5行Python代碼實現。
第1步:導入PixelLib模塊,代碼如下所示:
import pixellibfrom pixellib.instance import instance_segmentation
第2步:導入用于執行實例細分的類并創建該類的實例,代碼如下所示:
segment_image = instance_segmentation()
第3步:調用load_model()函數加載Mask RCNN模型以執行實例分割的代碼,代碼如下所示:
segment_image.load_model('mask_rcnn_coco.h5')
第4步:調用segmentImage()函數對圖像執行實例分割。此函數有兩個必選參數:
path_to_image:模型要預測的圖像的路徑; output_image_name:保存分割結果的路徑。將路徑替換為自己環境路徑即可,代碼如下所示:
segment_image.segmentImage('path_to_image', output_image_name = 'output_image_path')
上傳圖像,即時分割后效果如下所示:
也可以生成分割蒙版邊界框,只需要將show_bboxes()函數的overlay屬性設置為True,代碼如下所示:
segment_image.segmentImage('sample2.jpg', output_image_name = 'image_new.jpg', show_bboxes = True)
生成分割蒙版邊界框效果如下所示:
到此這篇關于5行Python代碼實現圖像分割的步驟詳解的文章就介紹到這了,更多相關Python 圖像分割內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網!
相關文章: