参考项目：https://github.com/WenmuZhou/DBNet.pytorch
标签制作
制作threshold map 标签
make_border_map.py
程序入口if __name__ == '__main__'
if __name__ == '__main__':
import numpy as np
make_border_map = MakeBorderMap() # 实例化MakeBorderMap对象
img = cv2.imread("../../datasets/train/img/img_41.jpg") # 随机选取一张图片做演示
# shape (4, 4, 2)，表示该张图片上有4个文本区域，每个文本区域有4个坐标(x,y)
points = np.array([[[533, 134], [562, 133], [561, 145], [532, 146]],
[[564, 131], [617, 129], [617, 145], [564, 146]],
[[620, 126], [657, 127], [656, 143], [618, 143]],
[[153, 150], [209, 144], [210, 159], [154, 165]]])
draw_img = img.copy()
# 可视化一下该图片上的文本区域
for pt in points:
cv2.polylines(draw_img, [pt], True, color=(0, 255, 0))
cv2.imshow("draw", draw_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 该图片上的文本内容
texts = ['EW15', 'Tanjong', 'Pagar', 'CAUTION']
# 是否要忽略掉该文本区域。如果文本区域过小，那么需要忽略，后面的代码有解释。
ignore_tags = [False, False, False, False]
data = {"img": img, "img_41": "img_41", "text_polys": points, "texts": texts, "ignore_tags": ignore_tags}
# 实际构造threshold map 标签
data = make_border_map(data)
print(data)
该图片文本区域可视化的结果如下：
调用make_border_map对象
def __call__(self, data: dict) -> dict:
"""
从scales中随机选择一个尺度，对图片和文本框进行缩放
:param data: {'img':,'text_polys':,'texts':,'ignore_tags':}
:return:
"""
# 需要标注的图片
im = data['img']
# 图片上的实际的文本区域
text_polys = data['text_polys']
# 是否需要忽略掉该文本区域
ignore_tags = data['ignore_tags']
# canvas，即最后的threshold_map，其shape为图片的实际大小，用0初始化
canvas = np.zeros(im.shape[:2], dtype=np.float32)
# mask shape为图片的实际大小，用0初始化
mask = np.zeros(im.shape[:2], dtype=np.float32)
for i in range(len(text_polys)): # 文本框的个数
# 如果该文本区域需要忽略，则跳过
if ignore_tags[i]:
continue
# 实际构造标签的方法
self.draw_border_map(text_polys[i], canvas, mask=mask)
canvas = canvas * (self.thresh_max - self.thresh_min) + self.thresh_min
data['threshold_map'] = canvas
data['threshold_mask'] = mask
return data
canvas的初始状态
其中，h表示原图的高度，w表示原图的宽度
mask的初始状态
其中，h表示原图的高度，w表示原图的宽度
进入draw_border_map()方法
def draw_border_map(self, polygon, canvas, mask):
polygon = np.array(polygon) # (4,2)
assert polygon.ndim == 2
assert polygon.shape[1] == 2
#构造多边形对象
polygon_shape = Polygon(polygon)
# 多边形面积小于0，直接return
if polygon_shape.area <= 0:
return
# 计算膨胀和收缩的距离，该公式为论文中的公式
distance = polygon_shape.area * (1 - np.power(self.shrink_ratio, 2)) / polygon_shape.length
subject = (tuple(l) for l in polygon)
# 计算坐标的偏移
padding = pyclipper.PyclipperOffset()
padding.AddPath(subject, pyclipper.JT_ROUND,
pyclipper.ET_CLOSEDPOLYGON)
# 计算出来的distance是正数，所以是膨胀边框
padded_polygon = np.array(padding.Execute(distance)[0])
# 用计算出来的膨胀多边形填充mask
cv2.fillPoly(mask, [padded_polygon.astype(np.int32)], (255, 255, 255))
plt.imshow(mask)
plt.show()
# cv2.imshow("mask", mask)
# cv2.waitKey(0)
# # closing all open windows
# cv2.destroyAllWindows()
xmin = padded_polygon[:, 0].min() # x坐标的最小值
xmax = padded_polygon[:, 0].max() # x坐标的最大值
ymin = padded_polygon[:, 1].min() # y坐标的最小值
ymax = padded_polygon[:, 1].max() # y坐标的最大值
width = xmax - xmin + 1 # 宽
height = ymax - ymin + 1 # 高
# 将多边形相对于原始图片的坐标转换为多边形相对于膨胀后的多边形的坐标
polygon[:, 0] = polygon[:, 0] - xmin
polygon[:, 1] = polygon[:, 1] - ymin
xs = np.broadcast_to(
np.linspace(0, width - 1, num=width).reshape(1, width), (height, width))
ys = np.broadcast_to(
np.linspace(0, height - 1, num=height).reshape(height, 1), (height, width))
# (4,22,39) 定义一个distance_map 用于保存每一个点到每一条边的距离
distance_map = np.zeros(
(polygon.shape[0], height, width), dtype=np.float32)
# 遍历每一个文本框，计算该文本框同膨胀后多边形每一个边的距离
for i in range(polygon.shape[0]):
j = (i + 1) % polygon.shape[0]
# 核心方法：计算扩张后的边界框内所有点到该条边的距离
absolute_distance = self.distance(xs, ys, polygon[i], polygon[j])
# 将得到的距离除以扩张的偏移量进行归一化，并且将值限制在[0,1]以内
distance_map[i] = np.clip(absolute_distance / distance, 0, 1)
# 只保留某个点到距离最近的边的距离
distance_map = distance_map.min(axis=0)
# 保证xmin，xmax，ymin，ymax的坐标在canvas的范围内
xmin_valid = min(max(0, xmin), canvas.shape[1] - 1)
xmax_valid = min(max(0, xmax), canvas.shape[1] - 1)
ymin_valid = min(max(0, ymin), canvas.shape[0] - 1)
ymax_valid = min(max(0, ymax), canvas.shape[0] - 1)
canvas[ymin_valid:ymax_valid + 1, xmin_valid:xmax_valid + 1] = np.fmax(
1 - distance_map[
ymin_valid - ymin:ymax_valid - ymax + height,
xmin_valid - xmin:xmax_valid - xmax + width],
canvas[ymin_valid:ymax_valid + 1, xmin_valid:xmax_valid + 1])
上面代码中，cv2.fillPoly(mask, [padded_polygon.astype(np.int32)], 1)的结果可视化如下：
因为每次传入的mask是之前的mask，所以每次会在之前的mask上继续填充多边形。
第一个文本区域
第一、二个文本区域
第一、二、三个文本区域
第一、二、三、四个文本区域
上面代码中
polygon[:, 0] = polygon[:, 0] - xmin
polygon[:, 1] = polygon[:, 1] - ymin
这两行代码的作用用可视化的方式解释如下：
上面代码中，
xs = np.broadcast_to(
np.linspace(0, width - 1, num=width).reshape(1, width), (height, width))
ys = np.broadcast_to(
np.linspace(0, height - 1, num=height).reshape(height, 1), (height, width))
用可视化的方式解释如下：
定义xs和ys的目的是为了计算每一个点到原始文本框每一条边的距离，具体体现在absolute_distance = self.distance(xs, ys, polygon[i], polygon[j]) 这一行代码
进入distance()方法
def distance(self, xs, ys, point_1, point_2):
'''
compute the distance from point to a line
ys: coordinates in the first axis
xs: coordinates in the second axis
point_1, point_2: (x, y), the end of the line
'''
# height, width = xs.shape[:2]
square_distance_1 = np.square(xs - point_1[0]) + np.square(ys - point_1[1])
square_distance_2 = np.square(xs - point_2[0]) + np.square(ys - point_2[1])
# 文本框一条边的长度
square_distance = np.square(point_1[0] - point_2[0]) + np.square(point_1[1] - point_2[1])
# 余弦距离，不知道为什么是这个公式？ 如果有理解的大佬还请解释一下。 shape:(22*39)
cosin = (square_distance - square_distance_1 - square_distance_2) / (2 * np.sqrt(square_distance_1 * square_distance_2))
square_sin = 1 - np.square(cosin) # sin² x + cos² x = 1
square_sin = np.nan_to_num(square_sin) # 用0替代nan值
result = np.sqrt(square_distance_1 * square_distance_2 * square_sin / square_distance)
# 不知道这行代码的意思？如果有理解的大佬还请解释一下
result[cosin < 0] = np.sqrt(np.fmin(square_distance_1, square_distance_2))[cosin < 0]
# self.extend_line(point_1, point_2, result)
return result
上面代码中，
square_distance_1 = np.square(xs - point_1[0]) + np.square(ys - point_1[1])
square_distance_2 = np.square(xs - point_2[0]) + np.square(ys - point_2[1])
square_distance = np.square(point_1[0] - point_2[0]) + np.square(point_1[1] - point_2[1])
用可视化的方式解释如下：
result的shape为膨胀之后的多边形的shape，表示每一个点到一条边的距离。
再退回到draw_border_map()方法
来到下面这行代码
distance_map[i] = np.clip(absolute_distance / distance, 0, 1)
用可视化的方式解释如下：
再继续，来到下面这行代码
distance_map = distance_map.min(axis=0) # 只保留某个点到距离最近的边的距离
到这里，已经求出了每一个点到每一条边的距离，这时候只选最近的那个距离，distance_map的shape就变为了(height, width)，即膨胀之后的多边形的高度和宽度。
再往下，
canvas[ymin_valid:ymax_valid + 1, xmin_valid:xmax_valid + 1] = np.fmax(
1 - distance_map[
ymin_valid - ymin:ymax_valid - ymax + height,
xmin_valid - xmin:xmax_valid - xmax + width],
canvas[ymin_valid:ymax_valid + 1, xmin_valid:xmax_valid + 1])
这段代码其实就是在往canvas图像上填充值了，用1减去distance_map上每一个像素点的值，相当于把距离做了一下变化，之前最大的距离1，现在变成了0，之前最小的距离0，现在变成了1。然后再同原始的canvas图像上的像素点(初始的时候都是0)计算最大值。
最后，退回到make_border_map对象的调用方法
来到这行代码，
canvas = canvas * (self.thresh_max - self.thresh_min) + self.thresh_min
该行代码的作用就是将canvas里面的值压缩到self.thresh_min到self.thresh_max之间，即0.3-0.7。
可视化结果如下：
到这里threshold_map的标签就制作好了。
未完待续......
标签：distance,canvas,square,point,DBNet,map,源码,np,详解 From： https://www.cnblogs.com/kyle-blog/p/17061577.html