Python小知识点汇集——1

一、plt.show()和plt.imshow()的区别

plt.show 显示的是图像的函数
plt.imshow 显示的是图像本身

二、cv2或io将mask读入

在读取mask以后，如果是二类，ROI和背景，ROI为255（白色），背景为0（黑色），一定要检查读取后的mask是否真的unique为[0,255]
因为实验室另一位同学给我的mask，我以为他已经处理好的了，结果调试的时候出现了异常，后来检查存在这个问题
我的解决方案是小于127置为0，大于127置为255。

# demo
import numpy as np
import cv2
from skimage import io

fpath='D:/Python/mask-vae-recontruct/FaceReconstructionWithVAEAndFaceMasks-main/patch/masks/1918240018_OD_156_5.jpg'
mask=io.imread(fpath)
io.imshow(mask)
1
2
3
4
5
6
7
8

---

• io读入和显示
  
• cv2读入和显示
  
• 没有处理的ｍａｓｋ

import numpy as np
import cv2
from skimage import io

fpath='D:/Python/mask-vae-recontruct/FaceReconstructionWithVAEAndFaceMasks-main/patch/masks/1918240018_OD_156_5.jpg'
mask=io.imread(fpath)
mask[mask<127]=0
mask[mask>=127]=255
io.imshow(mask)
1
2
3
4
5
6
7
8
9

• 处理后的mask
  
  

三、轮廓填充

thickness 为正表示线的粗细

import numpy as np
import cv2

fpath='D:\sever\circle\zebra.jpg'
img=cv2.imread(fpath)
cv2.circle(img,(150,150),100,(0,0,0))
cv2.imshow('zebra.jpg',img)
1
2
3
4
5
6
7

3.1轮廓内填充

thickness为-1表示填充轮廓以内的区域

import numpy as np
import cv2

fpath='D:\sever\circle\zebra.jpg'
img=cv2.imread(fpath)
cv2.circle(img,(150,150),100,(0,0,0),thickness=-1)
cv2.imshow('zebra.jpg',img)
1
2
3
4
5
6
7

3.2 轮廓外填充

import numpy as np
import cv2

def create_circular_mask(h, w, center=None, radius=None):

    if center is None: # use the middle of the image
        center = (int(w/2), int(h/2))
    if radius is None: # use the smallest distance between the center and image walls
        radius = min(center[0], center[1], w-center[0], h-center[1])

    Y, X = np.ogrid[:h, :w]
    dist_from_center = np.sqrt((X - center[0])**2 + (Y-center[1])**2)

    mask = dist_from_center <= radius
    return mask

fpath='D:\sever\circle\zebra.jpg'
img=cv2.imread(fpath)
h,w= img.shape[:2]

mask=create_circular_mask(h, w , center=(150,150),radius= 100)
masked_img=img.copy()
masked_img[~mask]=0
cv2.imshow('masked',masked_img)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

四、keras加载权重出现axes don't match array问题

Question ：training后test的时候想要加载预训练的权重，但是出现了axes don't match array字样
Answer ： keras加载权重 model.load_weights(modelpath)，适用于训练和测试时使用相同的模型，如果训练时候使用的模型和测试时候使用的模型不完全相同（例如：在训练的过程中有两个输入，测试的时候只有一个输入），这是在加载的过程中要加参数，让权重不完全加载，而是根据现在模型的状况进行加载。model.load_weights(modelpath,by_name=True,skip_mismatch=True)