调整细节，并更新指标库的版本。

readme.md

@@ -7,15 +7,17 @@ A Python-based image binary segmentation evaluation toolbox.
 ## 一些规划
 
 * [ ] 向执行脚本中添加配置信息合理行检测.
-* 更灵活的配置脚本
+* 更灵活的配置脚本.
   + [ ] 使用[符合matplotlib要求的](https://matplotlib.org/stable/tutorials/introductory/customizing.html#the-default-matplotlibrc-file)的 yaml 文件来控制绘图格式.
   + [ ] 是否应该使用更加灵活强大的配置格式, 例如 yaml 或者 toml 来替换配置策略.
-* [ ] 添加测试脚本
-* [ ] 添加更详细的注释
-* 优化导出代码
-  + [ ] 导出到 XLSX 文件的代码
+* [ ] 添加测试脚本.
+* [ ] 添加更详细的注释.
+* 优化导出评估结果的代码.
+  + [x] 实现导出 XLSX 文件的代码.
+  + [ ] 优化导出到 XLSX 文件的代码.
   + [ ] 是否应该使用 CSV 这样的文本格式更好些? 既可以当做文本文件打开, 亦可使用Excel来进行整理.
-* [ ] 完善关于分组数据的代码, 即CoSOD、Video Binary Segmentation等任务的支持.
+* [ ] 使用 `pathlib.Path` 替换 `os.path`.
+* [ ] 完善关于分组数据的代码, 即 CoSOD、Video Binary Segmentation 等任务的支持.
 * [x] 支持并发策略加速计算. 目前保留了多线程支持, 剔除了之前的多进程代码.
 * [X] 剥离 USVOS 代码到另一个仓库 [PyDavis16EvalToolbox](https://github.com/lartpang/PyDavis16EvalToolbox).
 * [X] 基于 github page 服务自动化生成结果汇总网页, 并支持基于某个指标进行排序的支持.
@@ -59,15 +61,17 @@ A Python-based image binary segmentation evaluation toolbox.
 
 ### 安装依赖
 
-先安装指标代码库: `pip install pysodmetrics` .
+先安装相关依赖库: `pip install -r requirements.txt` .
 
-这来自本人的另一个项目:[PySODMetrics](https://github.com/lartpang/PySODMetrics), 欢迎捉BUG!
+其中指标评估是基于本人的另一个项目: [PySODMetrics](https://github.com/lartpang/PySODMetrics), 欢迎捉BUG!
 
 ### 配置数据集与方法预测的路径信息
 
 本项目依赖于json文件存放数据, `./examples` 中已经提供了数据集和方法配置的例子: `config_dataset_json_example.json` 和 `config_method_json_example.json` , 可以至直接修改他们用于后续步骤.
 
-[注意] 请务必确保*数据集配置文件中数据集的名字*和方法配置文件中*数据集的名字*一致. 准备好json文件后, 建议使用提供的 `tools/check_path.py` 来检查下json文件中的路径信息是否正常.
+[注意]
+* 请注意, 由于本项目依赖于 OpenCV 读取图片, 所以请确保路径字符串不包含非 ASCII 字符.
+* 请务必确保*数据集配置文件中数据集的名字*和方法配置文件中*数据集的名字*一致. 准备好json文件后, 建议使用提供的 `tools/check_path.py` 来检查下json文件中的路径信息是否正常.
 
 <details>
 <summary>
@@ -191,10 +195,10 @@ python tools/check_path.py --method-jsons configs/methods/rgb-sod/rgb_sod_method
 # --curves-npy 输出曲线数据到 output/rgb_sod/curves.npy
 # --record-txt 输出评估结果文本到 output/rgb_sod/results.txt
 # --record-xlsx 输出评估结果到excel文档 output/rgb_sod/results.xlsx
-# --metric-names 所有结果仅包含指标 mae fm em sm wfm 对应的信息
-# --include-methods 评估过程仅包含 configs/methods/rgb-sod/rgb_sod_methods.json 中包含的方法 MINet_R50_2020 GateNet_2020
-# --include-datasets 评估过程仅包含 configs/datasets/rgb_sod.json 中包含的数据集 PASCAL-S ECSSD
-python eval.py --dataset-json configs/datasets/rgb_sod.json --method-json configs/methods/rgb-sod/rgb_sod_methods.json --metric-npy output/rgb_sod/metrics.npy --curves-npy output/rgb_sod/curves.npy --record-txt output/rgb_sod/results.txt --record-xlsx output/rgb_sod/results.xlsx --metric-names mae fm em sm wfm --include-methods MINet_R50_2020 GateNet_2020 --include-datasets PASCAL-S ECSSD
+# --metric-names 所有结果仅包含给定指标的信息
+# --include-methods 评估过程仅包含 configs/methods/rgb-sod/rgb_sod_methods.json 中的给定方法
+# --include-datasets 评估过程仅包含 configs/datasets/rgb_sod.json 中的给定数据集
+python eval.py --dataset-json configs/datasets/rgb_sod.json --method-json configs/methods/rgb-sod/rgb_sod_methods.json --metric-npy output/rgb_sod/metrics.npy --curves-npy output/rgb_sod/curves.npy --record-txt output/rgb_sod/results.txt --record-xlsx output/rgb_sod/results.xlsx --metric-names sm wfm mae fmeasure em --include-methods MINet_R50_2020 GateNet_2020 --include-datasets PASCAL-S ECSSD
 
 # 得到曲线数据文件，即这里的 output/rgb_sod/curves.npy 文件后，就可以开始绘制图像了
 
@@ -282,6 +286,7 @@ python plot.py --style-cfg examples/single_row_style.yml --num-rows 1 --curves-n
     1. 提供更丰富的指标的支持。
     2. 更新`readme.md`和示例文件。
     3. 提供更灵活的接口。
+    4. 更新指标库版本。
 * 2022年5月15日
     - 代码优化
 * 2022年4月23日

requirements.txt

@@ -1,8 +1,5 @@
 # Automatically generated by https://github.com/damnever/pigar.
 
-# PySODEvalToolkit/utils/misc.py: 6
-Pillow == 8.1.2
-
 # PySODEvalToolkit/plot.py: 6
 # PySODEvalToolkit/tools/converter.py: 10
 PyYAML == 5.4.1
@@ -42,7 +39,7 @@ openpyxl == 3.0.7
 # PySODEvalToolkit/metrics/extra_metrics.py: 3
 # PySODEvalToolkit/untracked/collect_results.py: 9
 # PySODEvalToolkit/utils/recorders/metric_recorder.py: 7
-pysodmetrics == 1.3.0
+pysodmetrics == 1.4.0
 
 # PySODEvalToolkit/utils/print_formatter.py: 3
 tabulate == 0.8.9

utils/misc.py

@@ -5,7 +5,6 @@
 
 import cv2
 import numpy as np
-from PIL import Image
 
 
 def get_ext(path_list):
@@ -145,7 +144,7 @@ def get_name_with_group_list(
     return name_list
 
 
-def get_list_with_postfix(dataset_path: str, postfix: str):
+def get_list_with_suffix(dataset_path: str, suffix: str):
     name_list = []
     if os.path.isfile(dataset_path):
         print(f" ++>> {dataset_path} is a file. <<++ ")
@@ -158,45 +157,12 @@ def get_list_with_postfix(dataset_path: str, postfix: str):
     else:
         print(f" ++>> {dataset_path} is a folder. <<++ ")
         name_list = [
-            os.path.splitext(f)[0] for f in os.listdir(dataset_path) if f.endswith(postfix)
+            os.path.splitext(f)[0] for f in os.listdir(dataset_path) if f.endswith(suffix)
         ]
     name_list = list(set(name_list))
     return name_list
 
 
-def rgb_loader(path):
-    with open(path, "rb") as f:
-        img = Image.open(f)
-        return img.convert("L")
-
-
-def binary_loader(path):
-    assert os.path.exists(path), f"`{path}` does not exist."
-    with open(path, "rb") as f:
-        img = Image.open(f)
-        return img.convert("L")
-
-
-def load_data(pre_root, gt_root, name, postfixs):
-    pre = binary_loader(os.path.join(pre_root, name + postfixs[0]))
-    gt = binary_loader(os.path.join(gt_root, name + postfixs[1]))
-    return pre, gt
-
-
-def normalize_pil(pre, gt):
-    gt = np.asarray(gt)
-    pre = np.asarray(pre)
-    gt = gt / (gt.max() + 1e-8)
-    gt = np.where(gt > 0.5, 1, 0)
-    max_pre = pre.max()
-    min_pre = pre.min()
-    if max_pre == min_pre:
-        pre = pre / 255
-    else:
-        pre = (pre - min_pre) / (max_pre - min_pre)
-    return pre, gt
-
-
 def make_dir(path):
     if not os.path.exists(path):
         print(f"`{path}` does not exist，we will create it.")
@@ -206,16 +172,13 @@ def make_dir(path):
         print(f"`{path}`已存在")
 
 
-def imread_wich_checking(path, for_color: bool = True, with_cv2: bool = True) -> np.ndarray:
+def imread_with_checking(path, for_color: bool = True) -> np.ndarray:
     assert os.path.exists(path=path) and os.path.isfile(path=path), path
-    if with_cv2:
-        if for_color:
-            data = cv2.imread(path, flags=cv2.IMREAD_COLOR)
-            data = cv2.cvtColor(data, cv2.COLOR_BGR2RGB)
-        else:
-            data = cv2.imread(path, flags=cv2.IMREAD_GRAYSCALE)
+    if for_color:
+        data = cv2.imread(path, flags=cv2.IMREAD_COLOR)
+        data = cv2.cvtColor(data, cv2.COLOR_BGR2RGB)
     else:
-        data = np.array(Image.open(path).convert("RGB" if for_color else "L"))
+        data = cv2.imread(path, flags=cv2.IMREAD_GRAYSCALE)
     return data
 
 
@@ -233,8 +196,8 @@ def get_gt_pre_with_name(
     img_path = os.path.join(pre_root, pre_prefix + img_name + pre_suffix)
     gt_path = os.path.join(gt_root, gt_prefix + img_name + gt_suffix)
 
-    pre = imread_wich_checking(img_path, for_color=False)
-    gt = imread_wich_checking(gt_path, for_color=False)
+    pre = imread_with_checking(img_path, for_color=False)
+    gt = imread_with_checking(gt_path, for_color=False)
 
     if pre.shape != gt.shape:
         pre = cv2.resize(pre, dsize=gt.shape[::-1], interpolation=cv2.INTER_LINEAR).astype(
@@ -271,8 +234,8 @@ def get_gt_pre_with_name_and_group(
     img_path = os.path.join(pre_root, pre_prefix + file_name + pre_suffix)
     gt_path = os.path.join(gt_root, gt_prefix + file_name + gt_suffix)
 
-    pre = imread_wich_checking(img_path, for_color=False)
-    gt = imread_wich_checking(gt_path, for_color=False)
+    pre = imread_with_checking(img_path, for_color=False)
+    gt = imread_with_checking(gt_path, for_color=False)
 
     if pre.shape != gt.shape:
         pre = cv2.resize(pre, dsize=gt.shape[::-1], interpolation=interpolation).astype(np.uint8)