python - 将维度高度、宽度、 channel 数的图像转换为n_masks、image_height、image_width

Question

我有一个 RGB 图像，它包含不同颜色的蒙版，每种颜色代表一个特定的类别。我想将其转换为格式 - n_masks, image_height, image_width 其中 n_masks 是图像中存在的掩码数。矩阵沿第 0 轴的每个切片代表一个二进制掩码。
到目前为止，我已经能够将它转换为 image_height, image_width 的格式，其中每个数组值代表它属于哪个类，但我有点被它打动了。下面是我将其转换为 image_height,image_width 格式的代码-

def mask_to_class(mask):
    target = torch.from_numpy(mask)
    h,w = target.shape[0],target.shape[1]
    masks = torch.empty(h, w, dtype=torch.long)
    colors = torch.unique(target.view(-1,target.size(2)),dim=0).numpy()
    target = target.permute(2, 0, 1).contiguous()
    mapping = {tuple(c): t for c, t in zip(colors.tolist(), range(len(colors)))}
    for k in mapping:
        idx = (target==torch.tensor(k, dtype=torch.uint8).unsqueeze(1).unsqueeze(2))
        validx = (idx.sum(0) == 3) 
        masks[validx] = torch.tensor(mapping[k], dtype=torch.long)
    return masks

它将假设格式 (512,512,3) 的图像转换为 (512,512)，其中每个像素值代表它所属的类，但我不知道如何进一步进行。
P.S- 我在 pytorch 中对其进行编码，但也欢迎任何涉及 numpy 的方法。

Answer 1

假设您已经有了 (512,512) 掩码。您可以先使用 mask.unique() 获取所有类的像素值。然后对于每个类值，torch.where(mask==cls_val, torch.tensor(1), torch.tensor(0)) 将返回某个特定类的掩码。最后，您堆叠所有输出。

mask = torch.tensor([[1,2,3],
                     [2,4,5],
                     [1,2,3]])
cls = mask.unique()
res = torch.stack([torch.where(mask==cls_val, torch.tensor(1), torch.tensor(0)) for cls_val in cls])

#tensor([[[1, 0, 0],
#         [0, 0, 0],
#         [1, 0, 0]],
#
#        [[0, 1, 0],
#         [1, 0, 0],
#         [0, 1, 0]],
#
#        [[0, 0, 1],
#         [0, 0, 0],
#         [0, 0, 1]],
#
#        [[0, 0, 0],
#         [0, 1, 0],
#         [0, 0, 0]],
#
#        [[0, 0, 0],
#         [0, 0, 1],
#         [0, 0, 0]]])