最近在做图像分割任务的任务，使用的是DeepLabV3Plus框架，所以需要制作VOC格式的数据集。在制作的时候发现VOC数据集中的Mask尽管是彩色的，但是竟然是8位深的。
而一般情况下，图像的每个通道都有8位，因此RGB图像的位深度应该为24位。8位深的图像一般都是灰度图像。起初，我并没有发现VOC中mask的特殊性，直接用24位的Mask作为自制VOC数据集的Mask，在pytorch上跑程序报了张量维度错误：
1only batches of spatial targets supported (non-empty 3D tensors) but got targets of size: : [16, 256, 256, 3]
于是利用代码将自己数据集的24位深的彩色Mask转换成8位深的RGB图像，利用的是PIL的“P”模式和python的imgviz包，具体什么是PIL的“P”模式可参考这篇文章。 代码如下（可实现多分类）：
from random import randintimport osimport numpy as npimport imgvizfrom PIL import Imagedef get_gray_cls(van_lbl, array_lbl):cls = [0] # 用来存储灰度图像中每种类别所对应的像素，默认背景色为0for x in range(van_lbl.size[0]):for y in range(van_lbl.size[1]):if array_lbl[x, y] not in cls:cls.append(array_lbl[x, y])return clsdef get_P_cls(cls_gray):cls_P = [] # 将灰度图像中的每类像素用0~N表示for i in range(len(cls_gray)):cls_P.append(i)return cls_Pdef array_gray_to_P(cls_gray, cls_P, array):for i in range(len(cls_gray)):array[array == cls_gray[i]] = cls_P[i]return arrayif __name__ == '__main__':label_from_PATH = "E:\label\label24" # 存放原始label的路径label_to_PATH = "E:\label\label8" # 存放转换后图像当路径van_file = 'E:\label\\van_label.png' # 必须是一张包含所有类别的图像,称之为先锋图像van_lbl = Image.open(van_file).convert('L') # 将先锋图像转换为灰度图像array_lbl = np.array(van_lbl) # 获得灰度图像的numpy矩阵cls_gray = get_gray_cls(van_lbl, array_lbl) # 获取灰度图像中每种类别所对应的像素值cls_P = get_P_cls(cls_gray) # 将灰度图像中的每种类别所对应的像素值映射为0~N# print(cls_gray)# print(cls_P)file_list = os.listdir(label_from_PATH)if not os.path.isdir(label_to_PATH):os.mkdir(label_to_PATH)# 遍历每一张原始图像for file_name in file_list:file_path = os.path.join(label_from_PATH, file_name)orig_lbl = Image.open(file_path).convert('L') # 将图像转换为灰度图像array_gray = np.array(orig_lbl) # 获得灰度图像的numpy矩阵array_P = array_gray_to_P(cls_gray, cls_P, array_gray) # 将灰度图像的numpy矩阵值映射为0~Nlabel = Image.fromarray(array_P.astype(np.uint8), mode='P') # 转换为PIL的P模式# 转换成VOC格式的P模式图像colormap = imgviz.label_colormap()label.putpalette(colormap.flatten())label.save(os.path.join(label_to_PATH, file_name))
完成后的图像标签如下：
要特别注意的是，训练模型时，一定要用PIL来操作图像，不要使用OpenCV，否则打开的图像还是24位，切记！！！
