一、运行train程序

运行程序的命令行：

记得先转到当前目录下

再执行如下命令行:

注意端口名称与自己分配的端口

CUDA_VISIBLE_DEVICES=0 python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8097 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/cell3.out 

开启visdom的链接如下：

python -m visdom.server

在后台跑程序的代码如下：

CUDA_VISIBLE_DEVICES=0 nohup python train.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model cycle_lo_seg --no_dropout --which_model_netG resnet_9blocks --display_id 2 --display_port 8097 --input_nc 1 --output_nc 1 --phase train --identity 0 >log_file/cell3.out &

二、进行sequence的label

1、groundtruth label

1、导入15张图，imageJ  import the image sequence，并且记得勾上转成8bit。

2、选择1024*1024*15 dimension，最右侧的滚动条可以选择图像序号。

3、label的时候记得勾上3D。

4、注意paint over这里选择 all visibel labels

5、记得用brush的时候清除label的时候把3D取消掉。

其实这样来回变动着标记真的蛮快的。一个小时就标记好了15张图片。

2、color coding

1、把图像转成png形式，我是把图像分成slices，然后逐一存成png格式的。

2、改python文件里的维度。

3、丢进linux服务器。

3、overlay the image

matlab进行图像叠加的方法：

参考网址：

https://blog.csdn.net/wzz110011/article/details/78174003

我是用tif格式进行叠加的，采用的代码如下，是用matlab写的：

%add images

close;

clear all;

clc;

A1 = imread('image00015.tif');

A2 = imread('z0015.tif');

K = imlincomb(0.5,A1,0.5,A2);

imwrite(K,'c0015.tif')

4、组成4幅图

把4幅图合在一起：

哪四幅图？分别是：原图，灰色的分割图，彩色的分割图，以及彩色的叠加图。

遇到问题：灰色的分割图不能正常显示

解决办法：

imagesc(a2,[0,4]);% four is the max value in a2

colormap(gray);

遇到问题：合在一起有空隙

考虑图像拼接。图像拼接不行。

这篇文章里讲了如何消除空白区域。

https://blog.csdn.net/shanchuan2012/article/details/53980288

5、合成视频

参考自己之前的文章：Windows系统下安装FFmpeg并进行照片合成视频

ffmpeg -loop 1 -f image2 -i d:/video2/c%04d.tif -vcodec libx264 -r 3 -t 5 test.mp4

3是帧数，5是秒数，乘起来就是总照片数目。

三、运行test的程序

原来的命令行：

CUDA_VISIBLE_DEVICES=2 python test.py --dataroot ./datasets/biospy --name biospy_spcyclegan --model test_seg --phase test --which_model_netG resnet_9blocks --no_dropout --display_id 0 --dataset_mode single --which_direction AtoB --which_epoch 200 --loadSize 256 --fineSize 256 --how_many 1280

实际的命令行：

CUDA_VISIBLE_DEVICES=0 python test.py --dataroot ./datasets/cell3 --name cell3_spcyclegan --model test_seg --phase test --which_model_netG resnet_9blocks --no_dropout --display_id 0 --dataset_mode single --which_direction AtoB --which_epoch 200 --loadSize 1024 --fineSize 256 --how_many 5

我需要查看这些参数的具体用途：

how many   -how many test images to run

self.parser.add_argument('--loadSize', type=int, default=286, help='scale images to this size')

self.parser.add_argument('--fineSize', type=int, default=256, help='then crop to this size')

注意：finesize如果改成1024，会出现out of memory的问题。

所以你需要怎么做？

遇到问题1：img_path不大对

img_path = model.get_image_paths()

model = create_model(opt)

在cycle_lo_seg_model中我找到了对应代码

def get_image_paths(self):

        return self.image_paths

更详细的内容在set_input这个函数里。

self.image_paths = input['A_paths' if AtoB else 'B_paths']

那么其中的A_path和B_path又分别是什么呢？

重点是找到set_input函数的括号里的input.

遇到问题2：只能处理256*256大小的图像

解决办法：1024*1024大小的图像可以拆分成4*4个256*256大小的图像，然后拼接。