在Win10系统中使用labelme制作图像分割标签数据
2021/12/31 23:07:53
本文主要是介绍在Win10系统中使用labelme制作图像分割标签数据,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
在Win10系统中使用labelme制作图像分割标签数据
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labelme3.16.2
- 1. 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
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
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。)
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。
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 <json所在文件夹名>
命令执行过程如下图所示:
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。
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。
总结
以上就是labelme3.16.2的使用过程,如有错误,恳请指正!
这篇关于在Win10系统中使用labelme制作图像分割标签数据的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-25初学者必备:订单系统资料详解与实操教程
- 2024-12-24内网穿透资料入门教程
- 2024-12-24微服务资料入门指南
- 2024-12-24微信支付系统资料入门教程
- 2024-12-24微信支付资料详解:新手入门指南
- 2024-12-24Hbase资料:新手入门教程
- 2024-12-24Java部署资料
- 2024-12-24Java订单系统资料:新手入门教程
- 2024-12-24Java分布式资料入门教程
- 2024-12-24Java监控系统资料详解与入门教程