Labelme对图像标注、json转化png格式

1、安装所需的库

2、标注

3、生成标注图像

     1、单文件json格式转化为png格式
            （1）找到labelme安装目录中的Scripts，找到应用程序labelme_json_to_dataset.exe，将此应用程序复制到json文件所在目录

            （2）进入anaconda命令行，进入labelme所在环境，cd到包含json文件和应用程序labelme_json_to_dataset.exe的文件夹所在目录，输入指令

labelme_json_to_dataset E:\jjj #包含json文件和应用程序labelme_json_to_dataset.exe的文件夹所处目录

                  即可得到一个文件夹，位于jjj文件夹所在目录，文件夹里有四个文件：

• img.png，源文件图像
• label.png，标签图像
• label_names.txt，标签中的各个类别的名称
• label_viz.png，源文件与标签融合文件 

 

       2、json格式批量转换为png格式

          （1）找到labelme安装目录下Lib\site-packages\labelme\cli可以看到json_to_dataset.py文件，替换其中的代码（替换代码如下）。

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）进入labelme虚拟环境，cd到应用程序labelme_json_to_dataset.exe所处路径（Scripts目录下），输入指令

labelme_json_to_dataset.exe D:\workplace\labelme\c062~c066\json #json文件夹所处目录

即可得到转换文件，储存在Scripts目录内（labelme版本需要降低到3.16.2否则转换不成功，方法：uninstall原来版本，pip install labelme==3.16.2）。