如何制作区分实体与非实体区域的二值黑白地面真值图像

你已经完成影像的2类K-means聚类后，所有像素已经被划分为两个互斥的类别，只需要完成类别匹配、像素重映射、校验三步就能得到符合要求的黑（森林）白（非森林）二值图：

• 第一步：确认聚类标签和地类的对应关系
  K-means输出的聚类标签本身没有语义，你需要先把聚类结果和原始航拍影像做对照：

  对照方式：在聚类结果图上分别点选典型树冠区域、典型非森林区域（裸地、道路、林间空地等），记录两个区域各自对应的聚类标签值。
  原始无人机航拍森林影像参考：
  无人机森林航拍原始图

• 第二步：按规则做像素值重映射
  确认标签对应关系后，直接做批量像素赋值即可，不同工具的操作逻辑一致：
  • 用Python（OpenCV+Numpy）批量处理的核心代码如下：

  import cv2
  import numpy as np
  
  # 读取单波段K-means聚类标签图
  cluster_res = cv2.imread("your_kmeans_result.png", 0)
  # 替换为你上一步查到的森林对应的聚类标签值
  forest_cluster_val = 1
  # 初始化全白画布（255对应非森林区域）
  gt_binary = np.full(cluster_res.shape, 255, dtype=np.uint8)
  # 将所有森林类像素赋值为黑色（0）
  gt_binary[cluster_res == forest_cluster_val] = 0
  # 导出二值真值图
  cv2.imwrite("forest_ground_truth.png", gt_binary)
  

  • 用ArcGIS/QGIS等遥感工具处理：直接调用重分类工具，将森林对应聚类值设为0、非森林对应聚类值设为255，输出8位单波段影像即可。
  • 用Photoshop/GIMP等图像工具处理：用魔棒工具选中某一类的所有同色区域，按对应关系填充黑色/白色，再反选区域填充另一颜色即可。
• 第三步：精度校验修正
  重映射完成后，把二值图调整50%透明度叠加到原始航拍影像上，检查林缘、零星树木、小面积林间空地的边界是否准确，少量错分像素直接手动编辑修正即可。

内容的提问来源于stack exchange，提问作者Sina M