labelme生成的json文件批量转换方法

labelme自带的文件转换代码一次只能转化一个json文件，效率过慢，因此通过修改其转换模块的代码，实现批量转换。

1 修改转换代码

找到labelme安装目录中的json_to_dataset.py文件，此文件即为原有的转换代码。该目录在：D:\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli下，但因为labelme的安装方式不同，也可能在其他目录下，因此，找不到的话可以直接搜索json_to_dataset.py这个文件。
将json_to_dataset.py文件内容替换位如下代码：

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()

转自：https://blog.csdn.net/xjtdw/article/details/94741984
完成代码修改。

2 进行批量转换

打开Anaconda->Anaconda Prompt，激活labelme，并进入D盘（或进入到你想要的保存位置，假设位X文件夹），输入指令：

python D:\Anaconda3\envs\labelme\Scripts\labelme_json_to_dataset.exe D:\USimage

其中，python后面是exe的文件路径，找不到可以直接搜索，再后面是存放所有json文件的文件夹路径。
回车后，完成批量转换，得到的文件保存在X文件夹内。
每个json文件会生成一个独立的json命名的文件夹，里面有五个文件：

备注：json文件夹内只能存放json文件，不可有任何其他文件。
原始图片和标签图片，一般我们都会有数十张甚至数百张训练数据，如果手动去把每个文件夹里的原始图片和标签图片复制再粘贴到同一个文件夹中，这也是一件很麻烦的事情，因此下篇文章写下用代码实现这个批量转移功能。