1. 前言

之前写了分类和检测任务划分数据集的脚本，三大任务实现了俩，基于强迫症，也实现一下图像分割的划分脚本

分类划分数据：关于图像分类任务中划分数据集，并且生成分类类别的josn字典文件

检测划分数据：关于目标检测中按照比例将数据集随机划分成训练集和测试集

之前写了目标检测的可视化脚本，明天看看要不要把分类和分割的可视化也实现一下，之前的博文里实现过，但都是大项目里的一个环节，看看能不能单独实现一下

 

这里的脚本和未划分数据的目录在同一路径

2. 完整代码

如下：

import random
import os
import shutil
from tqdm import tqdm


# 划分数据函数
def split_data(root, test_rate):
    images_path = [os.path.join(root, i) for i in os.listdir(root)]  # 获取所有图片路径
    test_split_path = random.sample(images_path, k=int(len(images_path) * test_rate))  # 随机采样测试集

    # 遍历所有图片
    for image_path in tqdm(images_path, desc='loading...'):
        # 获取相应的标注文件，这里需要根据目录、后缀更改
        mask_path = image_path.replace('images', 'masks')

        # 划分数据
        if image_path in test_split_path:  # 在测试集
            shutil.copy(image_path, './data/test/images')
            shutil.copy(mask_path, './data/test/masks')
        else:
            shutil.copy(image_path, './data/train/images')
            shutil.copy(mask_path, './data/train/masks')


if __name__ == '__main__':
    rawDataSet = './rawDataSet/images'  # 原始数据的图片路径

    if os.path.exists('./data'):  # 如果之前有，那么删除
        shutil.rmtree('./data')

    os.makedirs('./data/train/images')  # 训练集图片
    os.makedirs('./data/train/masks')   # 训练集标签
    os.makedirs('./data/test/images')  # 测试集图片
    os.makedirs('./data/test/masks')   # 测试集标签

    # 划分数据
    split_data(root=rawDataSet, test_rate=0.2)

运行过程：这里测试五个数据

运行结果：

 

3. 注意的点

根据训练图片找到对应mask模板的时候，这里要根据目录更换