Helen人臉數據集包括2330張人臉圖像，并且每張人臉圖像包含11個部位的掩模，通常做人臉分割只需要面部以及面部特征掩模即可。數據集文件的整體結構如下：

依賴的庫：

import os import cv2 as cv import numpy as np

定義人臉分割不同部位的顏色：

colors = [[160, 0, 10], [11, 138, 19], [11, 138, 19], [21, 83, 184], [21, 83, 184], [33, 182, 151], [255, 16, 16], [88, 13, 13], [255, 16, 16]]

其中掩模的第一張圖像是背景，掩模的最后一張圖像是頭發，如果只需要臉部特征掩模那么我們只需要9張掩模圖像即9種不同的分割顏色。

img_list = os.listdir('./images/') masks_dir = os.listdir('./labels/')for i in range(len(masks_dir)):images = os.listdir(os.path.join('./labels/', masks_dir[i]))raw = cv.imread(os.path.join('./labels/', masks_dir[i]+'/'+images[-1]))h, w, _ = raw.shapesrc_img = np.zeros((h, w, 3), dtype=np.uint8)# 9個不同人臉關鍵部位的分割生成for j in range(1, 10):mask = cv.imread(os.path.join('./labels/', masks_dir[i]+'/'+images[j]))# 掩模是灰度圖像， 需要將像素值映射到[0,1]區間mask = mask / 255.h, w, _ = mask.shape# 0.85是分割閾值，選取的閾值越大生成的人臉關鍵部位的分割面積越小，反之越大。mask = (mask > 0.85)[:, :, 0]color_mask = np.zeros((h, w, 3), dtype=np.uint8)mv = cv.split(color_mask) # 通道分離mv[2][mask == 1], mv[1][mask == 1], mv[0][mask == 1] = colors[j-1]color_mask = cv.merge(mv) # 通道合并src_img = src_img + color_mask # 不同部位分割依次疊加cv.imwrite(os.path.join('./segmentation/', masks_dir[i]+'.png'), src_img)

生成的人臉分割如下：

總結

以上是生活随笔為你收集整理的Helen人脸数据集生成人脸分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。