Photoshop 深度学习 数据集标签制作 、注意事项 以及标签颜色的编码、统计和快速像素替换（python）
因为photoshop功能的强大，以及工具的方便，虽然其不是专门的语义分割标注工具，但是仍然可以用其工具进行有效的标注，本文是在吸取经验教训的基础上写的，希望能够帮到所有用这个方法标注的人。
本文的主要内容：photoshop 2020的使用和注意事项、批量转换标签的方法（快速像素替换）
另外可以使用的软件：Pixel Annotation Tool 可以使用涂抹标注，但是这里为了可以多掌握一项技能就用PS了，主要是功能很多，对以后的学习以及工作都有好处，虽然麻烦点，但是掌握的东西多点，是个比较万金油的工具。
注意这个很重要，否则所有的标签全部报废，所以写在前面，谨记前人走过的弯路才能不让自己过于抓狂，首先将软件调成以下设置
1.套索的设置
首先找到工具栏里的套索，设置羽化0 不勾选消除锯齿，否则会出现过度色，后面可以用套索进行多边形标注。套索和矩形选框工具是不会产生过度色的。
2.油漆桶的设置
找到油漆桶设置成这个样式，否则会出现过渡色
3.快速选择工具（请谨慎得使用）
除魔棒以外的其他工具会出现过渡色，但是我会在接下来的过程中告诉你如何规避它，尽量避免两个颜色相交，如果遇上边界相交的地方最好使用套索工具
4.图层必须用白色作为底色，用黑色的话颜色会污染，随后不要在图片里选用白色标注了，注意白色为背景色，在之后的图片转换再换成黑色
5.使用图层进行做标签记得最后保存的时候透明要调成不透明100
方法简述：首先打开软件，然后打开图片，建立色板，建立图层，创建画板，选择区域，使用油漆桶进行喷漆，标注完成后输出图片
1.色板建立
选择自己要进行标注的颜色将其放在一个文件夹里
2.图层和画板的建立
将标签图层至于顶端，然后使用套索和油漆桶将图层变为全白，并设置一定的透明度，不要让图层影响图片
这里使用快速选择工具选择轮廓，并用油漆桶（G）进行标注
注意！！！！！！如果两个颜色边界有重叠，请使用套索工具防止过渡色的产生，不然会产生杂色影响边界
4.输出标签为png
三、转换成语义分割的标签
1.标注做好了，那么如何将图片转换为只有1、2、3等数值的标签呢？首先我们得制作一个纯色的color_map，将自己标注的颜色都存进去，如下：
黑色得放进去，注意图片一定得是纯色没有过渡色的，用套索工具加油漆桶即可完成
2.对图片的颜色进行编码
为了使每个颜色对应一维向量里的特定值，我们必须对颜色立方体进行编码，将三维降为二维，可以将BGR颜色视为256进制的三位数转换为十进制表示的数字
下列是代码：
def matColorCode(mat):#颜色编码函数 牺牲内存
b = (mat[:, :, 0]).astype(np.uint32) # 读取蓝通道 转成32位防止溢出
g = (mat[:, :, 1]).astype(np.uint32) # 读取绿通道
r = (mat[:, :, 2]).astype(np.uint32) # 读取红通道
return b * 256 * 256 + g * 256 + r
3.将colormap转为二维矩阵,并去掉重复的数字，就是颜色表了：
import cv2
import numpy as np
def matColorCode(mat):#颜色编码函数 牺牲内存
b = (mat[:, :, 0]).astype(np.uint32) # 读取蓝通道 转成32位防止溢出
g = (mat[:, :, 1]).astype(np.uint32) # 读取绿通道
r = (mat[:, :, 2]).astype(np.uint32) # 读取红通道
return b * 256 * 256 + g * 256 + r
cmap=cv2.imread(cmap,-1)
cmap = matColorCode(cmap)
cmap=np.unique(cmap)#去重
print('cmap',cmap)#输出颜色表里的数字
4.读取png格式图片批量转换成标签
import glob
images = glob.glob(path + '/*.png')#标签为PNG格式 读取这些东西就行了
images.sort()
for fileLocation in images:#filelocation为图片的绝对路径
img=cv2.imread(fileLocation,-1)
if img.max()>20:#防止误操作
img = matColorCode(img)#接上面的函数
number = 0#从零开始
for i in cmap:
img = np.where(img == i, number, img)#依次替换像素
number += 1
img = np.where(img > number, 0, img)
cv2.imwrite(fileLocation,img)#
print(fileLocation)#输出路径查看哪些图片处理完了
5.完整批量标签转换代码
path为标签路径 cmap为colormap的绝对路径
import cv2
import numpy as np
import glob
def changeImgLabel(path,cmap):
def matColorCode(mat):#颜色编码函数 牺牲内存
b = (mat[:, :, 0]).astype(np.uint32) # 读取蓝通道 转成32位防止溢出
g = (mat[:, :, 1]).astype(np.uint32) # 读取绿通道
r = (mat[:, :, 2]).astype(np.uint32) # 读取红通道
return b * 256 * 256 + g * 256 + r#编码
cmap=cv2.imread(cmap,-1)
cmap = matColorCode(cmap)
cmap=np.unique(cmap.astype(np.uint64))
print('cmap',cmap)
images = glob.glob(path + '/*.png')#标签为PNG格式 读取这些东西就行了
images.sort()
for fileLocation in images:
img=cv2.imread(fileLocation,-1)
if img.max()>20:#防止误操作
img = matColorCode(img)#接上面的函数
number = 0
for i in cmap:
img = np.where(img == i, number, img)
number += 1
img = np.where(img > number, 0, img)
cv2.imwrite(fileLocation,img)#存储
print(fileLocation)
#-------------------------------------------------
代码使用范例
path=r'F:\BaiduNetdiskDownload\U_net_dataset\colormap.png'#颜色表存放路径
path1=r'F:\BaiduNetdiskDownload\U_net_dataset'#标签存放路径
changeImgLabel(path,cmap=path)
四、总结
希望大家能够吸取经验，少走弯路，祝大家数据集制作顺利，如有不足之处，请大家在下面留言
作者：研志必有功
