如何基于给定标注值在图像上绘制分割掩码与边界框

你提供的标注属于标准COCO实例分割标注格式，可通过OpenCV+Numpy快速实现标注可视化，具体实现如下：

前置依赖 #

需要先安装依赖库，执行以下安装命令：
pip install opencv-python numpy
如果标注存在RLE格式的分割（iscrowd=1的场景），还需安装pycocotools：
pip install pycocotools

完整实现代码 #

import json
import cv2
import numpy as np
from collections import defaultdict

# 配置项，根据自身实际路径修改
ANNOTATION_FILE = "你的标注文件路径.json"
IMAGE_FOLDER = "存放所有图像的文件夹路径"
MASK_TRANSPARENCY = 0.5  # 掩码透明度，取值0-1，越大越不透明
# 类别与颜色映射（OpenCV默认BGR色彩顺序）
CATEGORY_COLOR = {
    1: (0, 0, 255),  # 类别1对应红色
    2: (0, 255, 0),  # 类别2对应绿色
    # 可自行扩展更多类别
}

# 加载所有标注并按image_id分组
with open(ANNOTATION_FILE, "r", encoding="utf-8") as f:
    all_annotations = json.load(f)
anno_group = defaultdict(list)
for anno in all_annotations:
    anno_group[anno["image_id"]].append(anno)

# 逐图处理标注绘制
for img_id, anno_list in anno_group.items():
    # 读取对应图像，此处假设图像命名为{image_id}.jpg，可根据实际命名规则修改
    img_path = f"{IMAGE_FOLDER}/{img_id}.jpg"
    origin_img = cv2.imread(img_path)
    if origin_img is None:
        print(f"图像{img_path}读取失败，已跳过")
        continue
    # 新建掩码层用于半透明叠加，避免直接修改原图
    mask_layer = origin_img.copy()

    for anno in anno_list:
        current_color = CATEGORY_COLOR.get(anno["category_id"], (255, 0, 0))
        # 绘制边界框
        x_min, y_min, w, h = anno["bbox"]
        x_max = int(x_min + w)
        y_max = int(y_min + h)
        cv2.rectangle(origin_img, (int(x_min), int(y_min)), (x_max, y_max), current_color, thickness=2)
        # 绘制分割掩码
        seg_point_list = anno["segmentation"]
        for seg in seg_point_list:
            np_seg = np.array(seg, dtype=np.int32).reshape((-1, 1, 2))
            cv2.fillPoly(mask_layer, [np_seg], current_color)
    
    # 叠加掩码和原图
    cv2.addWeighted(mask_layer, MASK_TRANSPARENCY, origin_img, 1 - MASK_TRANSPARENCY, 0, origin_img)
    # 保存结果，也可调用cv2.imshow直接展示
    cv2.imwrite(f"./drawed_{img_id}.jpg", origin_img)

注意事项 #

• 若你的图像命名规则不是{image_id}.jpg，需要自行修改代码中图像路径的拼接逻辑
• 当标注的iscrowd字段为1时，segmentation为RLE编码格式，需调用pycocotools.mask.decode()接口解码得到掩码矩阵后再绘制
• 可通过调整MASK_TRANSPARENCY参数修改掩码的透明程度，匹配自己的可视化需求
• 边界框的厚度可通过修改cv2.rectangle的thickness参数调整

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