YOLOv8分割预测图像的目标颜色修改及标注颜色保留技术咨询

阿华AIGC实验室

2026-4-14

嗨，我来帮你搞定这个YOLOv8预测颜色的问题～先说说你遇到的核心问题：YOLOv8默认的调色板不一定和你LabelStudio标注时的颜色一致，而且你现在已经生成了10万+预测图，需要调整颜色对吧？咱们逐个解决你的问题：

问题1：怎么把检测目标的白色改成其他颜色？

这里分两种情况：还没跑预测和已经生成了所有预测图，对应不同的解决方法：

情况1：重新跑预测时指定颜色（推荐，更准确）

YOLOv8的Python API在预测时可以直接指定每个类别的颜色，或者通过数据集配置文件固定调色板：

方法A：预测时直接传入颜色参数

用ultralytics库调用模型时，给predict方法传colors参数，这个参数是一个列表，每个元素对应一个类别的RGB颜色元组：

from ultralytics import YOLO

# 加载训练好的模型
model = YOLO('best.pt')

# 定义每个类别的目标颜色（按类别顺序对应）
class_colors = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]  # 红、绿、蓝

# 执行预测并保存结果，指定颜色
results = model.predict(
    source='your_image_directory/',  # 你的输入图片路径
    save=True,  # 自动保存预测结果
    colors=class_colors,  # 使用自定义颜色
    project='custom_pred_results'  # 保存到新目录，避免覆盖旧图
)

方法B：修改数据集YAML文件固定调色板

找到你训练时用的数据集yaml文件，添加palette字段，把每个类别的颜色按顺序填进去，这样每次预测都会自动用这个调色板：

train: path/to/train/images
val: path/to/val/images

names:
  0: class1
  1: class2
  2: class3
palette: [[255, 0, 0], [0, 255, 0], [0, 0, 255]]  # 对应每个类别的RGB颜色

情况2：批量修改已生成的10万+预测图

你之前的OpenCV代码效果不好，是因为它只检测矩形白色框，但YOLOv8的分割预测是不规则的掩膜填充区域，不是标准矩形！下面是精准的批量替换方案：

import cv2
import os
from pathlib import Path

def batch_replace_segment_color(input_dir, output_dir, original_white=(255,255,255), target_color=(0,255,0)):
    # 创建输出目录，不存在则自动生成
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    
    # 遍历输入目录下所有图片
    for img_file in os.listdir(input_dir):
        img_path = os.path.join(input_dir, img_file)
        # 只处理常见图片格式
        if not img_file.lower().endswith(('.jpg', '.jpeg', '.png')):
            continue
        
        # 读取图片
        img = cv2.imread(img_path)
        if img is None:
            print(f"跳过无法读取的图片: {img_file}")
            continue
        
        # 生成白色区域的掩码（精准定位所有白色像素）
        mask = cv2.inRange(img, original_white, original_white)
        # 将掩码区域的像素替换为目标颜色
        img[mask != 0] = target_color
        
        # 保存修改后的图片
        output_path = os.path.join(output_dir, img_file)
        cv2.imwrite(output_path, img)
    
    print("所有图片批量处理完成！")

# 调用示例：把旧预测图里的白色分割区域换成绿色，保存到新目录
batch_replace_segment_color(
    input_dir="path/to/your/existing_predicted_images",
    output_dir="path/to/modified_predicted_images",
    target_color=(0,255,0)  # 注意：OpenCV用BGR格式，绿色是(0,255,0)
)

提示：如果要换成红色，BGR格式是(0,0,255)；蓝色是(255,0,0)。

问题2：怎么让LabelStudio标注时的颜色保留到预测结果里？

LabelStudio里每个标签的颜色可以提取并复用，步骤如下：

提取LabelStudio的标签颜色
- 打开你的LabelStudio项目，进入「设置」→「标签」，可以看到每个标签对应的十六进制颜色（比如#ff0000对应红色）。
- 或者导出标注为JSON格式，在标注文件的label字段下的color属性就是十六进制颜色值。

十六进制颜色转RGB格式
可以用小工具或代码转换，比如：

def hex_to_rgb(hex_color):
    hex_color = hex_color.lstrip('#')
    return tuple(int(hex_color[i:i+2], 16) for i in (0, 2, 4))

比如#ff0000转成RGB是(255,0,0)。

将颜色写入数据集YAML文件
按照问题1的方法B，把转换后的RGB颜色按类别顺序放到yaml的palette字段里，比如：
```
names:
  0: red_symbol
  1: blue_symbol
  2: green_symbol
palette: [[255,0,0], [0,0,255], [0,255,0]]  # 对应LabelStudio的标注颜色
```
重新跑预测
用这个更新后的yaml文件配合模型预测，YOLOv8就会自动使用你LabelStudio里的原始标注颜色了～