PaddleRS/docs/data/tools.md

遥感影像处理工具集

PaddleRS在tools目录中提供了丰富的遥感影像处理工具，包括：

• coco2mask.py：用于将COCO格式的标注文件转换为png格式。
• mask2shape.py：用于将模型推理输出的.png格式栅格标签转换为矢量格式。
• mask2geojson.py：用于将模型推理输出的.png格式栅格标签转换为GeoJSON格式。
• match.py：用于实现两幅影像的配准。
• split.py：用于对大幅面影像数据进行切片。
• coco_tools/：COCO工具合集，用于统计处理COCO格式标注文件。

使用示例

首先请确保您已将PaddleRS下载到本地。进入tools目录：

cd tools

coco2mask

coco2mask.py的主要功能是将图像以及对应的COCO格式的分割标签转换为图像与.png格式的标签，结果会分别存放在img和gt两个目录中。相关的数据样例可以参考中国典型城市建筑物实例数据集。对于mask，保存结果为单通道的伪彩色图像。使用方式如下：

python coco2mask.py --raw_dir {输入目录路径} --save_dir {输出目录路径}

其中：

• raw_dir：存放原始数据的目录，其中图像存放在images子目录中，标签以xxx.json格式保存。
• save_dir：保存输出结果的目录，其中图像保存在img子目录中，.png格式的标签保存在gt子目录中。

mask2shape

mask2shape.py的主要功能是将.png格式的分割结果转换为shapefile格式（矢量图）。使用方式如下：

python mask2shape.py --srcimg_path {带有地理信息的原始影像路径} --mask_path {输入分割标签路径} [--save_path {输出矢量图路径}] [--ignore_index {需要忽略的索引值}]

其中：

• srcimg_path：原始影像路径，需要带有地理坐标信息，以便为生成的shapefile提供crs等信息。
• mask_path：模型推理得到的.png格式的分割结果。
• save_path：保存shapefile的路径，默认为output。
• ignore_index：需要在shapefile中忽略的索引值（例如分割任务中的背景类），默认为255。

mask2geojson

mask2geojson.py的主要功能是将.png格式的分割结果转换为GeoJSON格式。使用方式如下：

python mask2geojson.py --mask_path {输入分割标签路径} --save_path {输出路径}

其中：

• mask_path：模型推理得到的.png格式的分割结果。
• save_path：保存GeoJSON文件的路径。

match

match.py的主要功能是在对两个时相的遥感影像进行空间配准。使用方式如下：

python match.py --im1_path [时相1影像路径] --im2_path [时相2影像路径] --save_path [配准后时相2影像输出路径] [--im1_bands 1 2 3] [--im2_bands 1 2 3]

其中：

• im1_path：时相1影像路径。该影像必须包含地理信息，且配准过程中以该影像为基准图像。
• im2_path：时相2影像路径。该影像的地理信息将不被用到。配准过程中将该影像配准到时相1影像。
• im1_bands：时相1影像用于配准的波段，指定为三通道（分别代表R、G、B）或单通道，默认为[1, 2, 3]。
• im2_bands：时相2影像用于配准的波段，指定为三通道（分别代表R、G、B）或单通道，默认为[1, 2, 3]。
• save_path: 配准后时相2影像输出路径。

split

split.py的主要功能是将大幅面遥感图像划分为图像块，这些图像块可以作为训练时的输入。使用方式如下：

python split.py --image_path {输入影像路径} [--mask_path {真值标签路径}] [--block_size {图像块尺寸}] [--save_dir {输出目录}]

其中：

• image_path：需要切分的图像的路径。
• mask_path：一同切分的标签图像路径，默认没有。
• block_size：切分图像块大小，默认为512。
• save_folder：保存切分后结果的文件夹路径，默认为output。

coco_tools

目前coco_tools目录中共包含6个工具，各工具功能如下：

• json_InfoShow.py: 打印json文件中各个字典的基本信息；
• json_ImgSta.py: 统计json文件中的图像信息，生成统计表、统计图；
• json_AnnoSta.py: 统计json文件中的标注信息，生成统计表、统计图；
• json_Img2Json.py: 统计test集图像，生成json文件；
• json_Split.py: 将json文件中的内容划分为train set和val set；
• json_Merge.py: 将多个json文件合并为1个。

详细使用方法请参见coco_tools使用说明。