读取单张与多张分割掩码图像时unique值不匹配问题

核心差异来源 #

1. 灰度转换与像素值归一化 #

批量处理时，你调用了skimage.io.imread(mask,as_gray="True")：

• as_gray参数会将图像转为灰度图，同时把原始uint8类型的0/255像素值归一化到[0,1]的float64范围。
• 单张读取时未设置该参数，图像保留原始uint8格式，像素值维持0和255。

2. 图像resize的插值操作 #

批量流程中使用了resize(mask,(1024,768))：

• skimage的resize函数默认采用双线性插值（order=1）调整尺寸，插值过程会对相邻像素加权计算，生成大量介于0和1之间的中间浮点值，彻底破坏了原本的二值掩码特性。
• 单张读取没有resize步骤，自然保留原始二值结果。

批量处理保留二值掩码的修正方案 #

如果需要在批量处理中维持二值掩码，可调整代码如下：

import glob
import skimage.io
from skimage.transform import resize
import numpy

mask_names = glob.glob("./drive/MyDrive/ISBI2016_ISIC_Part3B_Training_Data/*.png")
mask_names.sort()
mask_names_subset = mask_names[0:30]
mask_list = []

for mask in mask_names_subset:
    # 读取原始uint8格式图像，跳过灰度归一化
    mask = skimage.io.imread(mask)
    # 使用最近邻插值resize，避免生成中间值
    mask1 = resize(mask, (1024, 768), order=0, preserve_range=True)
    # 阈值化确保转回二值（处理插值可能的微小误差）
    mask1 = (mask1 > 127).astype(numpy.uint8) * 255
    mask_list.append(mask1)
  
mask_dataset = numpy.array(mask_list)
print(numpy.unique(mask_dataset[2]))

内容的提问来源于stack exchange，提问作者Manbir Singh