110 lines
3.5 KiB
Python
110 lines
3.5 KiB
Python
|
#!/usr/bin/env python3
|
||
|
|
# -*- coding: utf-8 -*-
|
||
|
|
"""
|
||
|
|
Conta a porcentagem de pixels por CLASSE (segundo o labelmap) dentro da ROI,
|
||
|
|
para cada grupo em dataset/split/train/group.
|
||
|
|
|
||
|
|
- Usa utils.carregar_labelmap_completo(labelmap_path) para obter:
|
||
|
|
colormap_rgb, classes (id->nome) e ignore_rgb
|
||
|
|
- Ignora pixels com o valor de "ignore" do labelmap
|
||
|
|
- Normaliza a porcentagem SOMENTE sobre classes válidas (sem ignore)
|
||
|
|
|
||
|
|
Uso:
|
||
|
|
python _12_check_percent_class_labelmap.py
|
||
|
|
"""
|
||
|
|
|
||
|
|
import os, json
|
||
|
|
import numpy as np
|
||
|
|
from PIL import Image
|
||
|
|
from utils import carregar_labelmap_completo
|
||
|
|
|
||
|
|
# -------------- Config --------------
|
||
|
|
with open("config.json", "r", encoding="utf-8") as f:
|
||
|
|
config = json.load(f)
|
||
|
|
MODELO = config["camera"]
|
||
|
|
W, H = config["resolucao"][0], config["resolucao"][1]
|
||
|
|
ROI_INICIO = config["roi_inicio"]
|
||
|
|
ROI_TAMANHO = config["roi_tamanho"]
|
||
|
|
|
||
|
|
pasta_base = os.path.join(MODELO, "dataset")
|
||
|
|
labelmap_path = os.path.join(pasta_base, "labelmap.txt")
|
||
|
|
root = os.path.join(pasta_base, "split", "train", "group")
|
||
|
|
#root = os.path.join(pasta_base, "576x320", "group")
|
||
|
|
|
||
|
|
# Limite de amostras por grupo (para rodar rápido). Ajuste se quiser.
|
||
|
|
MAX_SAMPLES_PER_GROUP = 1000
|
||
|
|
|
||
|
|
# -------------- Utils --------------
|
||
|
|
def infer_ignore_id(ignore_rgb, default_id=255):
|
||
|
|
"""
|
||
|
|
Converte o 'ignore' do labelmap (que pode vir como [id] ou (R,G,B) ou int)
|
||
|
|
para um ID inteiro que devemos ignorar nas máscaras de IDs.
|
||
|
|
"""
|
||
|
|
# pode vir como lista/tupla com 1 elemento (id) ou 3 (cor)
|
||
|
|
if isinstance(ignore_rgb, (list, tuple)):
|
||
|
|
if len(ignore_rgb) == 1 and isinstance(ignore_rgb[0], (int, np.integer)):
|
||
|
|
return int(ignore_rgb[0])
|
||
|
|
if len(ignore_rgb) == 3:
|
||
|
|
return default_id
|
||
|
|
# pode vir como inteiro
|
||
|
|
if isinstance(ignore_rgb, (int, np.integer)):
|
||
|
|
return int(ignore_rgb)
|
||
|
|
return default_id
|
||
|
|
|
||
|
|
def roi_slice(h):
|
||
|
|
y_fim = int((1.0 - ROI_TAMANHO) * h)
|
||
|
|
y_ini = int(ROI_INICIO * h)
|
||
|
|
if y_ini <= y_fim:
|
||
|
|
y_fim, y_ini = max(0, h - int(ROI_TAMANHO * h)), h
|
||
|
|
return slice(y_fim, y_ini)
|
||
|
|
|
||
|
|
# -------------- Labelmap --------------
|
||
|
|
_, colormap_rgb, classes, ignore_rgb = carregar_labelmap_completo(labelmap_path)
|
||
|
|
ignore_id = infer_ignore_id(ignore_rgb, default_id=255)
|
||
|
|
|
||
|
|
# 'classes' esperado como dict: id -> nome
|
||
|
|
# Ordena por id para imprimir de forma estável
|
||
|
|
class_ids_sorted = sorted(classes.keys())
|
||
|
|
class_names_sorted = [classes[cid] for cid in class_ids_sorted]
|
||
|
|
|
||
|
|
# -------------- Coleta --------------
|
||
|
|
if not os.path.isdir(root):
|
||
|
|
raise SystemExit(f"Nenhum diretório encontrado em {root}")
|
||
|
|
|
||
|
|
grupos = [g for g in os.listdir(root) if os.path.isdir(os.path.join(root, g))]
|
||
|
|
|
||
|
|
for g in sorted(grupos):
|
||
|
|
mdir = os.path.join(root, g, "masks")
|
||
|
|
if not os.path.isdir(mdir):
|
||
|
|
continue
|
||
|
|
|
||
|
|
totals = {cid: 0 for cid in class_ids_sorted}
|
||
|
|
n = 0
|
||
|
|
|
||
|
|
for fname in os.listdir(mdir):
|
||
|
|
if not fname.lower().endswith(".png"):
|
||
|
|
continue
|
||
|
|
m = np.array(Image.open(os.path.join(mdir, fname)).convert("L"))
|
||
|
|
rs = roi_slice(m.shape[0])
|
||
|
|
roi = m[rs, :]
|
||
|
|
|
||
|
|
# Acumula só das classes válidas do labelmap (ignorando 'ignore' e outros valores)
|
||
|
|
for cid in class_ids_sorted:
|
||
|
|
totals[cid] += int((roi == cid).sum())
|
||
|
|
|
||
|
|
n += 1
|
||
|
|
if n >= MAX_SAMPLES_PER_GROUP:
|
||
|
|
break
|
||
|
|
|
||
|
|
s = sum(totals.values())
|
||
|
|
s = s if s > 0 else 1 # evita div/0
|
||
|
|
|
||
|
|
# Monta string dinâmica "nome=xx.xx%"
|
||
|
|
parts = []
|
||
|
|
for cid in class_ids_sorted:
|
||
|
|
name = classes[cid]
|
||
|
|
perc = totals[cid] / s
|
||
|
|
parts.append(f"{name}={perc:6.2%}")
|
||
|
|
|
||
|
|
print(f"{g:16s} " + " ".join(parts) + f" (amostras={n})")
|