labelme安装，win10-anaconda-python35-labelme及遇到的错误解决

一、安装环境：windows10，anaconda3，python3.5

二、安装过程：

  1、管理员身份打开 anaconda prompt

  2、输入命令：conda create --name=python35 python=3.5

  3、输入命令：activate python35

  4、输入命令：pip install pyqt5，pip install pyside2(自己刚开始没有安装pyside2,运行 \anaconda安装目录\envs\labelme\Scripts\label_json_to_dataset.exe 会出现module "pyside"缺失错误)

  5、输入命令：pip install labelme（由于网络原因或者库的地址需要，经常运行一半出现错误，不要气馁，多执行几次），第四步可以直接跳过，执行第五步的时候，第四步会自动执行，【有解决方案是将以上命令替换为pip --default-timeout=100 install labelme，但是对我无效，好吧，可能是我的网络太差了。最后迫不得用电脑连手机开的热点才成功，心疼我的流量啊！】【由于网络原因或者库的地址需要，经常运行一半出现错误，不要气馁，多执行几次】

  6、输入命令：labelme   即可打开labelme。如下：

    安装完成后，需要使用再次启动labelme。则需要重新打开anaconda prompt，输入activate python35，进入python35环境。再输 入命令: labelme 即可

三、用labelme标注完图片后，会生成json文件

   标注图形（以人腿为例）

     点击保存后，会生成xx.json文件。

     1、如果将单个json文件生成数据集，运行命令： \anaconda安装目录\envs\labelme\Scripts\label_json_to_dataset.exe    \保存xx.json文件地址\ xx.json 会成生成五个文件 img.png，info.yaml，label.png，label_names，label_viz.png。其中label.png即是我们要的label_data了。
     但是！我的出现了错误

关于UnicodeDecodeError: ‘gbk’ codec can’t decode byte的解决办法【根据错误提示信息tranceback找到文件修改：】【代码出现错误仔细查看错误报告，从下到上回溯，百度谷歌错误的解决办法】

修改完之后，输入【labelme_json_to_dataset.exe json文件存放位置\xx.json】就成功了。
2、批量将json文件生成数据集。编写脚本如下：

方法一：
import os
path = ‘E:\label_data\leg_data_segmentation\DestTotalImg\’ # path是你存放json的路径
json_file = os.listdir(path)
for file in json_file:
os.system(“python C:\Users\PATAC\Anaconda3\envs\labelme\Scripts\labelme_json_to_dataset.exe %s”%(path + file))
不知道为什么，走到这步运行程序又出现了 module "pyside"缺失错误。误打误撞。执行命令：pip install --upgrade spyder 解决问题后程序执行。在你存放json的路径处就可看到生成的文件了。

方法二：
1.创建json_to_dataset.py脚本，保存在自己创建的文件中即可。

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()

2：配置环境及pycharm中运行刚创建的json_to_dataset.py 并传入json文件路径参数。如下图所示：

4：右键运行结果如下：

如果将来出现什么decode问题：可以重新沾一下代码
原作者：https://blog.csdn.net/lyl771857509/article/details/89313743?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

注意：遇到问题，仔细思考，不要盲干，耐心点，多查阅资料解决，看不同的人的讲解，别只在一棵树上吊死，多尝试几个方法，总有可以的！！!!!