排序图像与掩码路径触发ValueError，求问题排查与解决方法

• 触发ValueError: invalid literal for int() with base 10: ''的核心原因：你用硬编码的切片长度BASE_LEN:-END_IMG_LEN截取路径时，得到了空字符串，无法转换为整数。
• 硬编码切片长度的方式完全依赖固定的路径字符串长度，一旦路径前缀/后缀长度有变化（比如不同路径的目录层级不同、文件名长度不一致），就会出现截取内容为空或错误的情况。

1. 先确认路径格式 #

先打印几个路径样本，明确图像和掩码路径的对应关系：

print("示例图像路径:", df_imgs["path"].iloc[0])
print("示例掩码路径:", df_masks["path"].iloc[0])

假设输出为类似格式：

示例图像路径: /data/dataset/img_001.jpg
示例掩码路径: /data/dataset/img_001_mask.png

说明图像和掩码通过文件名里的数字ID（比如001）一一对应。

2. 用正则提取ID来排序&匹配 #

用正则表达式提取路径中的数字ID，避免硬编码切片的局限性，保证能准确获取用于匹配的标识：

import re
import pandas as pd
import numpy as np

# 提取路径中的数字ID
def extract_id(path):
    # 匹配路径中的连续数字，可根据实际格式调整正则规则
    match = re.search(r'(\d+)', path)
    if match:
        return int(match.group(1))
    return None

# 为图像和掩码数据添加ID列
df_imgs['id'] = df_imgs['path'].apply(extract_id)
df_masks['id'] = df_masks['path'].apply(extract_id)

# 按ID排序
df_imgs_sorted = df_imgs.sort_values('id').reset_index(drop=True)
df_masks_sorted = df_masks.sort_values('id').reset_index(drop=True)

# 合并成包含图像和对应掩码的DataFrame
if len(df_imgs_sorted) == len(df_masks_sorted):
    final_df = pd.DataFrame({
        'image_path': df_imgs_sorted['path'],
        'mask_path': df_masks_sorted['path'],
        'id': df_imgs_sorted['id']
    })
    print("最终DataFrame预览:")
    print(final_df.head())
else:
    print("警告：图像和掩码数量不匹配，请检查数据！")

3. 额外验证（可选） #

如果担心存在ID不匹配的情况，可添加检查步骤：

img_ids = set(df_imgs['id'].dropna())
mask_ids = set(df_masks['id'].dropna())

missing_mask_ids = img_ids - mask_ids
if missing_mask_ids:
    print(f"以下图像ID无对应掩码: {missing_mask_ids}")

missing_img_ids = mask_ids - img_ids
if missing_img_ids:
    print(f"以下掩码ID无对应图像: {missing_img_ids}")

正则规则调整说明 #

如果你的路径中ID格式特殊（比如带固定前缀img_），可以修改正则表达式，比如用r'img_(\d+)'来精准匹配img_001中的数字部分。

内容的提问来源于stack exchange，提问作者Sanju