文档HOT
下载
中文
注册

图像分割应用样例开发介绍（Python）

样例介绍

本文以MindX SDK来开发一个简单的图像分割应用，图像分割模型推理流程如图1 分割模型推理流程图所示。

图1 分割模型推理流程图

本例中使用的是开源数据集训练的Unet++图片分割模型（参见ModelZoo-PyTorch-Unet++)。可以直接使用训练好的开源模型，也可以基于开源模型的源码进行修改、重新训练，还可以基于算法、框架构建适合的模型。

模型的输入数据与输出数据格式：

  • 输入数据：RGB格式图片，分辨率为96*96，输入shape为(1,3,96,96)，即（batchsize，channel，height，width），也即每个batch的图片数量、图片的RGB维度、图片高度、图片宽度。
  • 输出数据：分割结果灰度图，分辨率为96*96，输入shape为(1,1,96,96)，即（batchsize，channel，height，width），也即每个batch的图片数量、图片的RGB维度、图片高度、图片宽度。

前期准备

  1. 获取代码文件。

    单击获取链接或使用wget命令获取代码（使用wget时需确保开发者套件能够连接外网），下载代码文件压缩包，以root用户登录开发者套件。

    wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Atlas%20200I%20DK%20A2/DevKit/models/sdk_cal_samples/unetplusplus_sdk_python_sample.zip
  2. 将“unetplusplus_sdk_python_sample.zip”压缩包上传到开发者套件，解压并进入解压后的目录。
    unzip unetplusplus_sdk_python_sample.zip
cd unetplusplus_sdk_python_sample
    代码目录结构如下所示，按照正常开发流程，需要将框架模型文件转换成昇腾AI处理器支持推理的om格式模型文件，鉴于当前是入门内容，用户可直接获取已转换好的om模型进行推理。 
    |-- unetplusplus_sdk_python_sample
    |-- main.py                      # 主程序
    |-- img.png                      # 测试图片
    |-- model
        |-- unetplusplus.om              # om模型
  3. 准备用于推理的图片数据。

    如2所示文件结构，内置测试图片为“img.png”，用户也可从开源数据集中获取其它图片。

代码解析

开发代码过程中，在“unetplusplus_sdk_python_sample/main.py”文件中已包含读入数据、前处理、推理、后处理等功能，串联整个应用代码逻辑，此处仅对代码进行解析。

  1. 在“main.py”文件的开头有如下代码，用于导入需要的第三方库以及MindX SDK推理所需文件。
    import numpy as np  # 用于对多维数组进行计算
import cv2  # 图片处理三方库，用于对图片进行前后处理
from albumentations.augmentations import transforms  # 数据增强库，此处用于对像素值进行值域变换

from mindx.sdk import Tensor  # mxVision 中的 Tensor 数据结构
from mindx.sdk import base  # mxVision 推理接口
  2. 初始化资源、定义模型相关变量，如图片路径、模型路径、类别数量、指定device。
    # 初始化资源和变量
base.mx_init()  # 初始化 mxVision 资源
pic_path = 'img.png'  # 单张图片
model_path = "model/unetplusplus.om"  # 模型路径
num_class = 1  # 类别数量, 需要根据模型结构、任务类别进行改变; 此处只分割出细胞, 即为一分类
device_id = 0  # 指定运算的Device
  3. 对输入数据进行前处理。先使用OpenCV读入图片，得到三维数组，再进行相应的图片大小缩放、像素值缩放等处理，并将其转化为MindX SDK推理所需要的数据集格式（Tensor类）。
    # 前处理
img_bgr = cv2.imread(pic_path)  # 读入图片
img = cv2.resize(img_bgr, (96, 96))  # 将原图缩放到 96*96 大小
img = transforms.Normalize().apply(img)  # 将像素值标准化（减去均值除以方差）
img = img.astype('float32') / 255  # 将像素值缩放到 0~1 范围内
img = img.transpose(2, 0, 1)  # 将形状转换为 channel first (3, 96, 96)
img = np.expand_dims(img, 0)  # 将形状转换为 (1, 3, 96, 96)，即扩展第一维为 batchsize
img = np.ascontiguousarray(img)  # 将内存连续排列
img = Tensor(img) # 将numpy转为转为Tensor类
  4. 使用MindX SDK接口进行模型推理，得到模型输出结果。
    # 模型推理
model = base.model(modelPath=model_path, deviceId=device_id)  # 初始化 base.model 类
outputs = model.infer([img])  # 执行推理。输入数据类型：List[base.Tensor]， 返回模型推理输出的 List[base.Tensor]
  5. 对模型输出进行后处理。将base.tensor类并转换为利于处理的numpy数组，再进行后处理。后处理步骤即将像素值变换到0~1范围内后，再将其画在原图上，得到最终可以用于显示的的分割结果。
    # 后处理
model_out_msk = outputs[0]  # 取出模型推理结果, 推理结果形状为 (1, 1, 96, 96),即（batchsize, num_class, height, width）
model_out_msk.to_host()  # 移动tensor到内存中
model_out_msk = np.array(model_out_msk)  # 将 base.Tensor 类转为numpy array
model_out_msk = sigmoid(model_out_msk[0][0])  # 利用 sigmoid 将模型输出变换到 0~1 范围内
img_to_save = plot_mask(img_bgr, model_out_msk)  # 将处理后的输出画在原图上, 并返回

# 保存图片到文件
cv2.imwrite('result.png', img_to_save)  
print('save infer result success')

    以上步骤为模型推理的整体流程，代码中的函数调用定义在代码最后。

  6. 主体函数定义。

    其中sigmoid函数用于将矩阵的每个元素变换到0~1范围内，plot_mask用于将得到的分割结果画在原图上。

    以下代码定义了这两个函数功能。 
    def sigmoid(x):
    y = 1.0 / (1 + np.exp(-x))  # 对矩阵的每个元素执行 1/(1+e^(-x))
    return y

def plot_mask(img, msk):
    """ 将推理得到的 mask 覆盖到原图上 """
    msk = msk + 0.5  # 将像素值范围变换到 0.5~1.5, 有利于下面转为二值图
    msk = cv2.resize(msk, (img.shape[1], img.shape[0]))  # 将 mask 缩放到原图大小
    msk = np.array(msk, np.uint8)  # 转为二值图, 只包含 0 和 1

    # 从 mask 中找到轮廓线, 其中第二个参数为轮廓检测的模式, 第三个参数为轮廓的近似方法
    # cv2.RETR_EXTERNAL 表示只检测外轮廓,  cv2.CHAIN_APPROX_SIMPLE 表示压缩水平方向、
    # 垂直方向、对角线方向的元素, 只保留该方向的终点坐标, 例如一个矩形轮廓只需要4个点来保存轮廓信息
    # contours 为返回的轮廓（list）
    contours, _ = cv2.findContours(msk, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 在原图上画出轮廓, 其中 img 为原图, contours 为检测到的轮廓列表
    # 第三个参数表示绘制 contours 中的哪条轮廓, -1 表示绘制所有轮廓
    # 第四个参数表示颜色, （0, 0, 255）表示红色, 第五个参数表示轮廓线的宽度
    cv2.drawContours(img, contours, -1, (0, 0, 255), 1) 

    # 将轮廓线以内（即分割区域）覆盖上一层红色
    img[..., 2] = np.where(msk == 1, 255, img[..., 2])

    return img

运行推理

  1. 配置环境变量。
    • Ubuntu OS：
      . /usr/local/Ascend/mxVision/set_env.sh
    • openEuler OS：
      . $HOME/Ascend/mxVision/set_env.sh
  2. 运行主程序。
    python main.py

    系统回显如下，则表明运行成功。

    save infer result success

    推理完成后，在当前文件夹下生成“result.png”文件，如图2所示。

    图2 “result.png”文件

样例总结与扩展

以上代码包括以下几个步骤：

1. 前处理：对图片进行缩放到 96*96、标准化、像素值变换、维度转换、连续排列内存、转为Tensor类型等操作。

2. 推理：利用Model或者base.model 初始化模型，并用infer进行推理。

3. 后处理：将模型输出mask进行sigmoid变换，并画到原图上。

MindX SDK接口分类总结：

分类

接口函数

描述

推理相关

base.model(model_path, device_id)

初始化模型

model.infer([img])

通过输入Tensor列表进行模型推理

理解各个接口含义后，用户可进行灵活运用。除此外，此样例中只示范了图片推理，若需要对视频流数据进行推理，可用两种方式输入视频流数据：USB摄像头、手机摄像头。具体使用方式可参考《摄像头拉流》，用户只需将前处理、推理及后处理代码放入摄像头推理代码的循环中即可，注意有些细节地方需进行相应修改。

其中，加入了USB摄像头读写相关代码，并在将图片前处理、推理、后处理相关代码放入了try...except...结构中。其中sigmoid与plot_mask函数与原样例定义相同。运行代码后，可在主目录保存结果视频video_result.mp4。

下面以USB摄像头为例，其他摄像头使用方式可按相应逻辑修改： 
import numpy as np  # 用于对多维数组进行计算
import cv2  # 图片处理三方库，用于对图片进行前后处理
from albumentations.augmentations import transforms  # 数据增强库，此处用于对像素值进行值域变换

from mindx.sdk import Tensor  # mxVision 中的 Tensor 数据结构
from mindx.sdk import base  # mxVision 推理接口


# 初始化变量
base.mx_init()  # 初始化 mxVision 资源
pic_path = 'img.png'  # 单张图片
model_path = "model/unetplusplus.om"  # 模型路径
num_class = 1  # 类别数量, 需要根据模型结构、任务类别进行改变; 此处只分割出细胞, 即为一分类
device_id = 0  # 指定运算的Device


# 打开摄像头
cap = cv2.VideoCapture(0)  # 打开摄像头

# 获取保存视频相关变量
fps = cap.get(cv2.CAP_PROP_FPS) 
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
outfile = 'video_result.mp4'
video_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
video_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
writer = cv2.VideoWriter(outfile, fourcc, fps, (video_width, video_height))

try:
    while(cap.isOpened()):  # 在摄像头打开的情况下循环执行
        ret, frame = cap.read()  # 此处 frame 为 bgr 格式图片

        # 前处理
        img = cv2.resize(frame, (96, 96))  # 将原图缩放到 96*96 大小
        img = transforms.Normalize().apply(img)  # 将像素值标准化（减去均值除以方差）
        img = img.astype('float32') / 255  # 将像素值缩放到 0~1 范围内
        img = img.transpose(2, 0, 1)  # 将形状转换为 channel first (3, 96, 96)
        img = np.expand_dims(img, 0)  # 将形状转换为 (1, 3, 96, 96)，即扩展第一维为 batchsize
        img = np.ascontiguousarray(img)  # 将内存连续排列
        img = Tensor(img) # 将numpy转为转为Tensor类

        # 模型推理
        model = base.model(modelPath=model_path, deviceId=device_id)  # 初始化 base.model 类
        outputs = model.infer([img])  # 执行推理。输入数据类型：List[base.Tensor]， 返回模型推理输出的 List[base.Tensor]

        # 后处理
        model_out_msk = outputs[0]  # 取出模型推理结果, 推理结果形状为 (1, 1, 96, 96),即（batchsize, num_class, height, width）
        model_out_msk.to_host()  # 移动tensor到host内存中
        model_out_msk = np.array(model_out_msk)  # 将 base.Tensor 类转为numpy array
        model_out_msk = sigmoid(model_out_msk[0][0])  # 利用 sigmoid 将模型输出变换到 0~1 范围内
        img_to_save = plot_mask(frame, model_out_msk)  # 将处理后的输出画在原图上, 并返回
        print('infer current frame success')

        # 保存图片到文件
        writer.write(img_to_save)  # 将推理结果写入视频

except KeyboardInterrupt:
    cap.release()
    writer.release()
    print('save infer result success')
finally:
    cap.release()
    writer.release()
    print('save infer result success')