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。
