1、查询mask类别

图像分割的mask是图片格式的话，往往是阈值图像，这样有几个阈值就是分割几个类别的

这里提供代码检测mask的类别个数

摆放如上（只要有mask即可），然后copy下面代码，放在data的同级目录即可：

import os
import numpy as np
from PIL import Image
from tqdm import tqdmdef fun(pth):root = pthro = [os.path.join(root,y) for y in os.listdir(root)]la = []for i in tqdm(ro):j = Image.open(i).convert('L')j = np.unique(np.array(j))for iii in j:if iii not in la:la.append(iii)print(la)if __name__ == '__main__':root = './data/masks'fun(pth=root)

输出如下，可以看出这个数据分割是2类的（加上背景nc=3）

2、删去空的data

其实分割的mask中，如果有label是空，也是数据增广的一种，并不是什么坏事。

就像分类中，还有一个其他类别，里面存放的乱七八糟的图片。

目标检测也是，label里面bbox和class全部为空即可。

不过，要是删去这些空的话，也很简单，这里提供图像分割的代码

摆放如下：

复制下面代码，放在data的同级目录即可：

import os
from tqdm import tqdm
import cv2
import numpy as npdef main(pth,im,ms):img_path = [os.path.join(pth,i) for i in os.listdir(pth)]for i in tqdm(img_path):j = i.replace('images','masks').replace(im,ms)tmp = cv2.imread(j)if len(np.unique(tmp)) ==1 :os.remove(i)os.remove(j)if __name__=='__main__':root = './data/images'          # data 路径img_fm = '.jpg'                 # data 的后缀偏移mask_fm = '_mask.png'           # mask 的后缀偏移main(pth=root,im=img_fm,ms=mask_fm)

这里的img_fm，mask_fm 是data到mask图片的偏移路径 

运行如下，就可以删除了