语义分割.json转标签

将语义分割的结果从 JSON 格式转换为标签格式的方法如下：

1. 读取 JSON 文件，解析其中的像素点信息和类别标签。

2. 将每个像素点的类别标签转换为相应的颜色值，比如将类别标签为人的像素点表示为红色，草地的像素点表示为绿色等等。可以事先定义好每个类别的颜色值。

3. 将颜色值填充到对应的像素点上，生成标签图像。

4. 将标签图像保存为可视化的图像文件，比如 PNG 格式的图片。

下面是一个 Python 代码示例，可以将 COCO 数据集的语义分割结果从 JSON 格式转换为标签图像：

import json
import numpy as np
from PIL import Image

# 类别标签和颜色值的对应关系
LABEL_COLORS = {
    1: [128, 0, 0],    # 人
    2: [0, 128, 0],    # 草地
    3: [0, 0, 128],    # 水
    4: [128, 128, 0],  # 道路
    # 其他类别...
}

# 读取 JSON 文件
with open('annotations.json', 'r') as f:
    annotations = json.load(f)

# 解析 JSON 文件，生成标签图像
image_data = annotations['imageData']
image = Image.frombytes('RGB', (annotations['width'], annotations['height']), bytes.fromhex(image_data))
segmentation = annotations['segmentation']
mask = np.zeros((annotations['height'], annotations['width'], 3), dtype=np.uint8)
for seg in segmentation:
    color = LABEL_COLORS[seg['category_id']]
    for pixel in seg['segmentation']:
        x, y = pixel[::2], pixel[1::2]
        mask[y, x] = color

# 保存标签图像
Image.fromarray(mask).save('labels.png')

需要注意的是，上述代码中的 `annotations.json` 文件应该是 COCO 数据集的语义分割结果文件，包含了图像的像素点信息和类别标签。如果需要将其他数据集的语义分割结果转换为标签图像，需要根据具体数据集的格式进行解析。