在Win10系统中使用labelme制作图像分割标签数据

您所在的位置：网站首页 › 图片标签设计怎么做的 › 在Win10系统中使用labelme制作图像分割标签数据

在Win10系统中使用labelme制作图像分割标签数据

2024-07-16 04:46:32| 来源: 网络整理| 查看: 265

文章目录在Win10系统中使用labelme制作图像分割标签数据前言一、安装labelme3.16.21. 安装Anaconda（若有python环境，可忽略这一步）2. 新建python虚拟环境（若有python环境，可忽略这一步）3. 激活python虚拟环境（若有python环境，可忽略这一步）3. 在虚拟环境中安装labelme 二、使用labelme制作json数据三、将json数据转换成图像数据四、将每个图像标签数据从对应的文件夹中取出来总结

前言

本文主要介绍如何使用labelme制作语义分割的标签数据，并通过代码将生成的json文件批量转换成可使用的图像标签。

一、安装labelme3.16.2 1. 安装Anaconda（若有python环境，可忽略这一步）

关于如何安装Anaconda，网上有很多教程，在此不再赘述。

2. 新建python虚拟环境（若有python环境，可忽略这一步）

使用如下命令新建一个虚拟环境：

conda create -n basic_env python=3.6 3. 激活python虚拟环境（若有python环境，可忽略这一步）

使用如下命令激活刚才创建的虚拟环境：

activate basic_env 3. 在虚拟环境中安装labelme

使用如下命令安装labelme3.16.2：

pip install labelme==3.16.2 二、使用labelme制作json数据

安装完成后，在虚拟环境中输入如下命令启动labelme

labelme

启动成功后的界面如下图在这里插入图片描述

点击左侧的“Open Dir”按钮，打开装有需要标注的图像的文件夹，如下图中右下角所示在这里插入图片描述关于如何标注，读者可在软件中自行体验使用。需要注意的是，每标注完一张切片，建议读者将生成的json文件保存到和原始图像同一文件夹下，如下图所示。

三、将json数据转换成图像数据

首先创建两个文件夹，一个名为“json”,用来存放上一步生成的json文件；一个名为“label_json”,用来存放生成的图像数据。将原图像文件夹下的json文件全部移动到json文件夹下。（这一步必须做，否则后面可能会失败。）在这里插入图片描述打开对应环境下".\Lib\site-packages\labelme\cli"文件夹（我的是“D:\Anaconda3\envs\basic_env\Lib\site-packages\labelme\cli”），将原有的json_to_dataset.py文件中代码替换为以下内容（或者重新建立该文件）：

import argparse import json import os import os.path as osp import warnings import PIL.Image import yaml from labelme import utils import base64 def main(): warnings.warn("This script is aimed to demonstrate how to convert the\n" "JSON file to a single image dataset, and not to handle\n" "multiple JSON files to generate a real-use dataset.") parser = argparse.ArgumentParser() parser.add_argument('json_file') parser.add_argument('-o', '--out', default=None) args = parser.parse_args() json_file = args.json_file if args.out is None: out_dir = osp.basename(json_file).replace('.', '_') out_dir = osp.join(osp.dirname(json_file), out_dir) else: out_dir = args.out if not osp.exists(out_dir): os.mkdir(out_dir) count = os.listdir(json_file) for i in range(0, len(count)): path = os.path.join(json_file, count[i]) if os.path.isfile(path): data = json.load(open(path)) if data['imageData']: imageData = data['imageData'] else: imagePath = os.path.join(os.path.dirname(path), data['imagePath']) with open(imagePath, 'rb') as f: imageData = f.read() imageData = base64.b64encode(imageData).decode('utf-8') img = utils.img_b64_to_arr(imageData) label_name_to_value = {'_background_': 0} for shape in data['shapes']: label_name = shape['label'] if label_name in label_name_to_value: label_value = label_name_to_value[label_name] else: label_value = len(label_name_to_value) label_name_to_value[label_name] = label_value # label_values must be dense label_values, label_names = [], [] for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]): label_values.append(lv) label_names.append(ln) assert label_values == list(range(len(label_values))) lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value) captions = ['{}: {}'.format(lv, ln) for ln, lv in label_name_to_value.items()] lbl_viz = utils.draw_label(lbl, img, captions) out_dir = osp.basename(count[i]).replace('.', '_') out_dir = osp.join(osp.dirname(count[i]), out_dir) if not osp.exists(out_dir): os.mkdir(out_dir) PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png')) #PIL.Image.fromarray(lbl).save(osp.join(out_dir, 'label.png')) utils.lblsave(osp.join(out_dir, 'label.png'), lbl) PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png')) with open(osp.join(out_dir, 'label_names.txt'), 'w') as f: for lbl_name in label_names: f.write(lbl_name + '\n') warnings.warn('info.yaml is being replaced by label_names.txt') info = dict(label_names=label_names) with open(osp.join(out_dir, 'info.yaml'), 'w') as f: yaml.safe_dump(info, f, default_flow_style=False) print('Saved to: %s' % out_dir) if __name__ == '__main__': main()

然后进入到对应环境下的“\Scripts”（我的是”D:\Anaconda3\envs\basic_env\Scripts“），将labelme_json_to_dataset.exe这一可执行文件复制到刚才新建的label_json文件夹下。在这里插入图片描述接下来的命令就是在label_json文件夹下进行，首先在命令行中切换到此目录，然后激活basic_enc这一虚拟环境，最后执行如下命令：

labelme_json_to_dataset.exe

命令执行过程如下图所示：在这里插入图片描述执行完成后在label_json文件夹下就生成了图像数据。其中的文件如下图所示，label.png是我们所需要的标签文件。

在这里插入图片描述

四、将每个图像标签数据从对应的文件夹中取出来

通过上面的过程虽然将json文件转换成了图像数据，但我们希望将所有的标签文件放到同一个文件夹下，有时还想得到二值化后的标签数据，因此我写了以下的python代码：（二值化的过程用到了opencv，需要读者自行安装）

import os import shutil import cv2 label_from_PATH = "E:\csnZanCun\CLAM-SEG\data\label_json" label_to_PATH = "E:\csnZanCun\CLAM-SEG\data\label" filepath_list = os.listdir(label_from_PATH) filepath_list.remove("labelme_json_to_dataset.exe") # 检查是否存在label文件夹 if not os.path.isdir(label_to_PATH): os.mkdir(label_to_PATH) # 是否图像二值化 bin_img = True for i, file_path in enumerate(filepath_list): src_label = "{}/label.png".format(os.path.join(label_from_PATH, filepath_list[i])) label_name = "{}.png".format(file_path[:-5]) if bin_img: dest_label = cv2.imread(src_label) dest_label = cv2.cvtColor(dest_label, cv2.COLOR_BGR2GRAY) ret, dest_label = cv2.threshold(dest_label, 0, 255, cv2.THRESH_BINARY) cv2.imwrite(os.path.join(label_to_PATH, label_name), dest_label) else: shutil.copy(src_label, os.path.join(label_to_PATH, label_name)) print("{} has been copied to {}".format(label_name, label_to_PATH)) print("All done!!!")

执行完以上代码，自动创建了label文件夹，并将标签图像进行了二值化，标签图像的文件名和原图像相同。在这里插入图片描述

总结

以上就是labelme3.16.2的使用过程，如有错误，恳请指正！

【本文地址】

公司简介

联系我们

今日新闻

点击排行

实验室常用的仪器、试剂和: 说到实验室常用到的东西，主要就分为仪器、试剂和耗

不用再找了，全球10大实验: 01、赛默飞世尔科技（热电）Thermo Fisher Scientif

三代水柜的量产巅峰T-72坦: 作者：寞寒最近，西边闹腾挺大，本来小寞以为忙完这

通风柜跟实验室通风系统有: 说到通风柜跟实验室通风，不少人都纠结二者到底是不

集消毒杀菌、烘干收纳为一: 厨房是家里细菌较多的地方，潮湿的环境、没有完全密

实验室设备之全钢实验台如: 全钢实验台是实验室家具中较为重要的家具之一，很多

图片新闻

实验室药品柜的特性有哪些: 实验室药品柜是实验室家具的重要组成部分之一，主要

小学科学实验中有哪些教学: 计算机计算器一般打孔器打气筒仪器车显微镜

实验室各种仪器原理动图讲: 1.紫外分光光谱UV分析原理：吸收紫外光能量，引起分

高中化学常见仪器及实验装: 1、可加热仪器：2、计量仪器：（1）仪器A的名称：量

微生物操作主要设备和器具: 今天盘点一下微生物操作主要设备和器具，别嫌我啰嗦

浅谈通风柜使用基本常识: 　众所周知，通风柜功能中最主要的就是排气功能。在

在Win10系统中使用labelme制作图像分割标签数据

在Win10系统中使用labelme制作图像分割标签数据

今日新闻

点击排行

推荐新闻

图片新闻

专题文章