labelme制作语义分割数据集的完美解决(win10)

一.安装并运行labelme

• 下载并安装anaconda

• 安装labelme

  安装好anaconda后在程序里选择prompt，相当于windows下的cmd，只不过运行目录直接在anaconda下。
  
  在Anaconda Prompt中输入以下代码即可成功安装labelme。

#本文并没有安装labelme环境
conda create --name=labelme python=3.7（这一步python=*选择自己的Python版本）
activate labelme
conda install pyqt
pip install labelme

• 运行labelme并打开图片

  在Anaconda Prompt中输入如下即可运行labelme。

  activate labelme
  labelme
  

二.标注并保存

应该注意的是保存的json文件和jpg文件要放到两个文件夹中不然在运行的时候会报错。

三.打开labelme安装目录

在此目录中我们找到json_to_dataset.py文件。

四.更改文件代码

利用python编辑器打开json_to_dataset.py文件

将以下代码替换json_to_dataset.py文件的内容(原文)。

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()

五.执行

打开cmd,首先切换到labelme_json_to_dataset.exe目录下，该文件在Anaconda的Scripts的目录下。如：

cd C:\ProgramData\Anaconda3\Scripts

然后执行一下代码：

labelme_json_to_dataset.exe C:\Users\msi-user\Desktop\labe\json

其中C:\Users\msi-user\Desktop\labe\json为图片标注完生成的.json文件所在目录。

六.查看

在执行完上述代码后会在当前目录C:\ProgramData\Anaconda3\Scripts中生成一个文件夹。

打开文件夹会有5个文件。