def adjustData(img,mask,flag_multi_class,num_class): if(flag_multi_class): img = img / 255 mask = mask[:,:,:,0] if(len(mask.shape) == 4) else mask[:,:,0] new_mask = np.zeros(mask.shape + (num_class,)) for i in range(num_class): #for one pixel in the image, find the class in mask and convert it into one-hot vector #index = np.where(mask == i) #index_mask = (index[0],index[1],index[2],np.zeros(len(index[0]),dtype = np.int64) + i) if (len(mask.shape) == 4) else (index[0],index[1],np.zeros(len(index[0]),dtype = np.int64) + i) #new_mask[index_mask] = 1 new_mask[mask == i,i] = 1 new_mask = np.reshape(new_mask,(new_mask.shape[0],new_mask.shape[1]*new_mask.shape[2],new_mask.shape[3])) if flag_multi_class else np.reshape(new_mask,(new_mask.shape[0]*new_mask.shape[1],new_mask.shape[2])) mask = new_mask elif(np.max(img) > 1): img = img / 255 mask = mask /255 mask[mask > 0.5] = 1 mask[mask <= 0.5] = 0 return (img,mask)

这是一个用于对图像数据和标签数据进行预处理的函数，其中参数img和mask分别表示图像数据和标签数据，flag_multi_class表示是否为多分类问题，num_class表示分类数目。函数主要实现了以下功能：

1. 如果flag_multi_class为True，则将标签数据转换为one-hot编码形式，方便在多分类模型中使用。

2. 如果图像数据和标签数据的像素值都大于1，则将它们都归一化到0到1之间。

3. 将标签数据中像素值大于0.5的部分设置为1，小于等于0.5的部分设置为0，以得到二分类标签数据。

最后，函数将处理后的图像数据和标签数据作为元组返回。