转自：https://blog.csdn.net/u014722627/article/details/60140789

这两个是berkely （伯克利大学）computer vision group提供的数据集，用来做segmentation（图像分割）或contour detection（轮廓检测）的，还有人拿这个做super resolution（超分重建）的

---

BSDS500:

数据库包含200张训练图，200张侧视图，100张检验图。ground truth是人工标识的，已数据库图片id为单位，保存成mat格式文件，一个文件包含多个标记者的标记信息。有轮廓和分割信息，用matlab读取很方便，直接load就行。

• 原资源页面链接 
  这个页面还包括了globalPb算法的源码，release版本（linux平台）
• 数据库下载链接 
  其实是上面那个页面里面的，直接下载点这里
• 百度云数据库下载链接 
  原链接实在是不好下载，我就提供一下百度云版本吧，包含我处理过后的ground truth，可视化了一下。

链接：://zhuanlan.zhihu.com/p/662344245

链接：https://pan.baidu.com/s/1ywN-0N7KbCbpWTz-3ICzcA?pwd=3sl6
提取码：3sl6

---

BSDS300:

BSD500其实是BSD300的扩展版本。BSD300有200张训练图，100张测试图，ground truth分为color和gray两个文件夹，这两个文件夹里面又有以标记者id（uid）命名的子文件夹，里面是每个标记者提供的分割信息，以图片id命名，保存为.seg文件。

• 原链接资源页面 
  页面还包含了读取seg文件的matlab脚本，有了脚本处理起来也很方便：脚本下载页面
• 百度云数据库下载链接 
  同上，因为不好下载嘛

---

BSDS500处理脚本：

生成轮廓可视化图：

% make_gt_bondary_image.m
% bsdsRoot 需包含train、test 两个文件夹，生成的结果也放在这两个文件夹的bon子文件夹里
state = 'test';%修改为test或train，分别处理两个文件夹 
file_list = dir(fullfile(bsdsRoot,state,'*.mat'));%获取该文件夹中所有jpg格式的图像
for i=1:length(file_list)
    mat = load(file_list(i).name);
    [~,image_name,~] = fileparts(file_list(i).name);
    gt = mat.groundTruth;
    for gtid=1:length(gt)
        bmap = gt{gtid}.Boundaries;
        if gtid==1
            image = bmap;
        else
            image(bmap==true)=true;
        end

    end
    %黑底白边
    imwrite(double(image),fullfile(bsdsRoot,'bon',state,[image_name '.jpg']));
    %白底黑边
    %imwrite(1-double(image),fullfile(bsdsRoot,state,'bon',[image_name '.jpg']));

end

生成分块可视化图：

% make_gt_seg_image.m
% bsdsRoot 需包含train、test 两个文件夹，生成的结果也放在这两个文件夹的seg子文件夹里
state = 'train';
file_list = dir(fullfile(bsdsRoot,state,'*.mat'));%获取该文件夹中所有jpg格式的图像
for i=1:length(file_list)
    mat = load(file_list(i).name);
    [~,image_name,~] = fileparts(file_list(i).name);
    gt = mat.groundTruth;
    for gtid=1:length(gt)
        seg = double(gt{gtid}.Segmentation);
        seg = seg/max(max(seg));
        if gtid == 1
            image = seg;
        else
            image = image+seg;
        end
    end
    image = image/length(gt);
    imwrite(double(image),fullfile(bsdsRoot,state,'seg',[image_name '.jpg']));

end

---

BSDS300处理脚本：

记得先下载官方提供的处理脚本~

%make_gt_image.m
%bsdsRoot包含human文件夹
state = 'train';
present = 'color';
list = imgList(state); 
for iid=1:length(list)
    [segs,uids] = readSegs(present,list(iid));
    for seg=1:length(segs)
        bmap = seg2bmap(segs{seg});
        if seg==1
            image = bmap;
        else
            image(bmap==true)=true;
        end

    end
    imwrite(double(image),fullfile(bsdsRoot,'human',present,state,[num2str(list(iid)) '.jpg']));

end

• 效果如下 

 
我把单张图片所有用户的提供的轮廓信息叠加了，分割信息求了平均，当然你也可以选择其他处理方式