FlowSDF中转换数据集格式的脚本

🔄 转换流程

输入格式（原始数据）

 

文件类型	格式	内容
图像文件	.tif	灰度组织病理图像
标注文件	.xml	包含细胞核轮廓的多边形坐标（Region/Vertex标签）

输出格式（处理后）

 

文件类型	格式	内容	用途
原始图像	.tif	灰度图（不变）	模型输入
分割掩码	.png	二值图像（0=背景，255=细胞核）	语义分割标签
符号距离函数	.npy	NumPy数组（正值=核内，负值=核外）	辅助损失函数/边界监督
数据集划分	.csv	训练/测试集文件路径列表	数据加载

 

代码如下

import os
import cv2
import numpy as np
import pandas as pd
import xml.etree.ElementTree as ET
from scipy.ndimage import distance_transform_edtimage_dir = "MoNuSeg/Images"
xml_dir = "MoNuSeg/Annotations"out_dir = "datasets/monuseg"
img_out = os.path.join(out_dir, "images")
mask_out = os.path.join(out_dir, "masks")
sdf_out = os.path.join(out_dir, "sdf")os.makedirs(img_out, exist_ok=True)
os.makedirs(mask_out, exist_ok=True)
os.makedirs(sdf_out, exist_ok=True)records = []for file in os.listdir(image_dir):if not file.endswith(".tif"):continuename = file.replace(".tif","")img_path = os.path.join(image_dir,file)xml_path = os.path.join(xml_dir,name+".xml")img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)mask = np.zeros(img.shape, np.uint8)tree = ET.parse(xml_path)root = tree.getroot()for region in root.iter("Region"):coords = []for vertex in region.iter("Vertex"):x = int(float(vertex.attrib["X"]))y = int(float(vertex.attrib["Y"]))coords.append([x,y])coords = np.array(coords,np.int32)cv2.fillPoly(mask,[coords],1)pos = distance_transform_edt(mask)neg = distance_transform_edt(1-mask)sdf = pos - negimg_save = os.path.join(img_out,name+".tif")mask_save = os.path.join(mask_out,name+".png")sdf_save = os.path.join(sdf_out,name+".npy")cv2.imwrite(mask_save,mask*255)np.save(sdf_save,sdf)records.append({"image":f"images/{name}.tif","mask":f"masks/{name}.png","sdf":f"sdf/{name}.npy"})cv2.imwrite(img_save,img)df = pd.DataFrame(records)train = df.sample(frac=0.8,random_state=42)
test = df.drop(train.index)train.to_csv(os.path.join(out_dir,"train.csv"),index=False)
test.to_csv(os.path.join(out_dir,"test.csv"),index=False)print("Dataset preprocessing finished.")