根据标注工具的json文件，生成实例分割标签需要的mask图片

前言

早前做分割任务用的标注工具生成的只有json，训练需要mask图片，于是手写了一个效率极低的根据点集制作掩膜图片，最近使用opencv自带的多边形填充方法优化了下，瞬间觉得自己以前的顺势思维太简单，还是直接调用别人的方法用着好。

1.问题描述

使用lableme或者labelimg的多边形标注做分割任务，生成点集json，想要根据点集生成一张点集区域内为白色，区域外纯黑的mask图片。

2.代码原逻辑

纯黑图片上每个小范围取一个点P，每个点判断是否在json的点集包围的区域内，如果点P在区域内，则P的小范围都白色。（其中利用点P发射的一条射线与点集形成的线段做相交判断，P在区域内，射线与线段相交数为奇数，否则为偶数）

3.代码新逻辑

opencv自带根据点集合填充内容的方法cv2.fillPoly，速度惊人。

4.全部代码附下：

import json
import time
import cv2
import numpy as np


'''
    判断点p是否在pointList围城的多边形内
    思路：线段相交，点发射射线与边交点个数为奇数 
'''
def PointInPolygon(pointList,p):
   #比全部顶点x最大值小，比全部x最小值大，比全部y最小值大，比全部y最大值小
    pointList_min=np.min(pointList,axis=0)
    pointList_max=np.max(pointList,axis=0)
    p1=np.array(p)
    if (p1[0]>=pointList_min[0] and p1[0]<=pointList_max[0] and p1[1]>=pointList_min[1] and p1[1]<=pointList_max[1] ):
        p2=np.array([-2,-2])#任意图像外一点即可
        intersect_count=0
        for i,q_point in enumerate(pointList):
            # 方法：点发射线与全部边相交的个数为奇数
            if(i<len(pointList)-1):
                q1=q_point
                q2=pointList[i+1]
                if (intersect(p1, p2, q1, q2)):
                    intersect_count += 1
        if(intersect_count%2==1):
            return True
    return False
'''
优化策略：只取横纵坐标i,j奇数点加入PointInPolygon判断，如果是直接将其和周围九个点加到集合，返回最终集合
area_range越大速度越快
'''
def OptimizePointInPolygon(pointList,w,h,area_range=2):
    lastArr=[]
    for i in range(w):
        for j in range(h):
            if(i%area_range==(area_range-1) and j%area_range==(area_range-1)):#这里没必要所有的都检查，根据加一个之后,area_range内的点不加
                if (PointInPolygon(pointList, [i, j])):
                    nearPoints = GetNearByPoints([i, j], w, h, area_range)
                    lastArr += nearPoints
    return lastArr

def limit_range(x,min,max):
    if(x<min):x=min
    if(x>max):x=max
    return x

def GetNearByPoints(point,w,h,area_range=2):
    assemble=[]
    tmp_left=(area_range+1)//2#奇数时左边多一个
    tmp_right=(area_range)//2
    left0=limit_range(point[0]-tmp_left,0,w-1)
    right0=limit_range(point[0]+tmp_right,0,w-1)
    left1 = limit_range(point[1] - tmp_left, 0, h - 1)
    right1 = limit_range(point[1] + tmp_right, 0, h - 1)
    for i in range(left0,right0+1,1):
        for j in range(left1,right1+1, 1):
            assemble.append((i,j))
    return assemble

'''
用于判断ab与cd相交
'''
def intersect(a,b,c,d):
    ca=c-a
    ba=b-a
    da=d-a
    dc=d-c
    cb=c-b

    u=ca[0]*ba[1]-ba[0]*ca[1]
    v=da[0]*ba[1]-ba[0]*da[1]
    w=ca[0]*dc[1]-dc[0]*ca[1]
    z=cb[0]*dc[1]-dc[0]*cb[1]
    return u * v <= 0 and w * z <= 0

def getPointListFromJson(jsonPath):
    resultPoints=[]
    with open(jsonPath, 'r', encoding='gb2312') as f:
        ret_dic = json.load(f)
        # print(ret_dic)  # 结果 pengjunlee
        data = ret_dic["shapes"]
        image_name = ret_dic["imagePath"]
        # print(image_name)
        single_data_list = []
        single_data_list.append(image_name)
        for k, v in enumerate(data):
            # print(v["points"])
            for point in v["points"]:
                resultPoints.append(point)
    resultPoints.append(resultPoints[0])   # 把第一个也加到最后
    return resultPoints

def gen_mask_by_json(imgPath,jsonPath):
    pointList=getPointListFromJson(jsonPath)
    pointList = np.array(pointList)
    img_cv2_gray= cv2.imread(imgPath,0)
    h,w=img_cv2_gray.shape
    empty_img=np.zeros((h,w)).astype(np.uint8)
    start_time=time.time()
    #####fun1,cv2系统自带，效率极快:
    cv2.fillPoly(empty_img,[pointList.astype(np.int32)], (255, 255, 255))
    #####func2，自己写的，速度太慢:
    # getMaskPoint = OptimizePointInPolygon(pointList, w, h,area_range=4)
    # for point in getMaskPoint:
    #     empty_img[point[1]][point[0]] = 255
    print("use time:",time.time()-start_time)
    cv2.imshow("1",empty_img)
    cv2.waitKey(0)
    # cv2.imwrite("./data/gray.jpg", empty_img)
    pass

if __name__ == '__main__':
    imgPath="./data/test.jpg"
    jsonPath = "./data/test.json"
    gen_mask_by_json(imgPath,jsonPath)

请将图片和json路径替换为你的即可看效果。