对mask进行rle编码然后进行解码-详细注释_mask to rle

代码来自:

https://www.kaggle.com/artgor/segmentation-in-pytorch-using-convenient-tools

代码如下

import numpy as np
 
# 进行mask存储,rle一种压缩存储方式
# 还有一种是polygon(多边形)
 
 
 
# 这个函数是对mask进行rle编码,所以输入的值非0即1
import numpy as np
 
# 进行mask存储,rle一种压缩存储方式
# 还有一种是polygon(多边形)
 
 
 
# 这个函数是对mask进行rle编码,所以输入的值非0即1
def mask2rle(img):
    '''
    Convert mask to rle.
    img: numpy array, 
    1 - mask, 
    0 - background
    
    Returns run length as string formated
    '''
    print("看下输入的img",img)
    pixels= img.T.flatten()#转置后看图像
    print("pixels进行flatten以后=",pixels)
# pixels进行flatten以后= [1 1 0 0 0 0 0 0 0 0 0 0 1 1]#14位
    pixels = np.concatenate([[0], pixels, [0]])
    print("pixels=",pixels)
#                 pixels = [0 1 1 0 0 0 0 0 0 0 0 0 0 1 1 0]#16位
    runs = np.where(pixels[1:] != pixels[:-1])[0] + 1
    print("runs=",runs)#这个记录的是bit值开始变化的位置,这里+1是为了位置的调整
    runs[1::2] -= runs[::2]
    #这句代码写得很抽象,其实是在进行编码.
    #运行前的结果是：
    # runs= [ 1  3 13  15]   #runs中的每个数值都代表像素值发生变化的位置
    # 运行后的结果是:
    # runs= [ 1  2 13  2]
    # 意思是第1个位置算起，共有2个bit是相同的，所以用3-1得到
    # 意思是第13个位置算起，共有2个bit是相同的，所以用15-13得到。
    # 对应上面头部和末尾的两个11
 
 
    print("runs=",runs)
    return ' '.join(str(x) for x in runs)
 
 
 
# 这个是用来解码train.csv中的Encoded Pixels的
def rle_decode(mask_rle: str = '', shape: tuple = (1400, 2100)):
    '''
    Decode rle encoded mask.
    
    :param mask_rle: run-length as string formatted (start length)
    :param shape: (height, width) of array to return 
    Returns numpy array, 1 - mask, 0 - background
    '''
    s = mask_rle.split()#这个运算前后没啥区别
    print("-----------------------------------------------------------")
    print("s[0:][::2]=",s[0:][::2])#这个获取的是变化的像素的位置序号的列表
    # ['1', '13']
    print("s[1:][::2]=",s[1:][::2])#这个获取的是相同像素的长度列表（分别记录每个变化的像素后面连续的同等像素值的连续长度）
    #['2', '2']
 
    
    starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
    print("看下最初的starts=",starts)#变化的像素的位置序号的列表
    print("lengths=",lengths)
    starts -= 1
    ends = starts + lengths
    print("ends=",ends)
    img = np.zeros(shape[0] * shape[1], dtype=np.uint8)
    for lo, hi in zip(starts, ends):#进行恢复
        img[lo:hi] = 1
    return img.reshape(shape, order='F')
 
if __name__ == '__main__':
    img=np.array([[1,0,0,0,0,0,1],[1,0,0,0,0,0,1]])
    print("输入的图像是",img)
    result=mask2rle(img)
    print("mask2rle的编码结果=",result)
    result=rle_decode("1  2 13  2", (2, 7))
    print("rle_decode的解码结果=",result)
 
    
 

上述mask2rle与rle_decode是互为可逆的。

rle编码的格式是：

格式是像素位置，长度（这了包含其实位置的像素的计数）

根据大佬的说法是，rle编码能节省内存。