编写一个python文件，该代码需要实现以下功能：对指定路径下的OneFormer 模型（基于ADE20k）输出的语义分割图数据集（语义分割图格式为jpg）进行后处理，对指定的某几个类别（如ship，plane）生成 Mask（mask格式保存为jpg或png）。

在Python中，你可以使用OpenCV库来进行图像后处理，尤其是对于像素级别的操作。首先，确保已经安装了`opencv-python`和`numpy`库。以下是一个简单的示例，展示了如何读取OneFormer模型的输出语义分割图，并针对特定类别生成Mask。

import cv2
import numpy as np

# 定义要处理的类别及其对应的掩码颜色
category_colors = {
    'ship': (0, 0, 255),  # 红色
    'plane': (0, 255, 0)   # 绿色
}

def process_segmentation_image(input_path, output_dir, categories):
    # 读取输入图片
    img = cv2.imread(input_path)

    # 获取语义分割图的通道数，可能是单通道（灰度）或三通道
    channels = img.shape[2]

    # 如果是灰度图，转换为RGB以便使用颜色映射
    if channels == 1:
        img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

    # 遍历指定的类别
    for category in categories:
        mask_color = category_colors.get(category)
        
        # 创建掩码层，全为0
        mask = np.zeros(img.shape[:2], dtype=np.uint8)

        # 使用颜色查找表找到对应类别的区域
        _, mask = cv2.threshold(img, int(np.mean(mask_color)*255), 255, cv2.THRESH_BINARY)

        # 绘制掩码并保存
        color_mask = cv2.bitwise_and(img, img, mask=mask)
        mask = cv2.bitwise_not(color_mask)
        output_path = f"{output_dir}/{category}.png"
        cv2.imwrite(output_path, mask)

# 使用函数
input_path = "path_to_your_segmentation_image.jpg"  # 替换为实际的输入图像路径
output_dir = "output_masks_directory/"  # 输出掩码目录
categories = ['ship', 'plane']  # 要处理的类别列表

process_segmentation_image(input_path, output_dir, categories)

**相关问题--:**
1. 如果模型输出的是多通道的语义分割图，上述代码还需要做哪些修改？
2. 这段代码能否处理模型预测结果中的不确定性，比如部分区域边界模糊不清的情况？
3. 如果需要将mask保存为jpg而不是png，如何调整代码？