labelme标注及标签的统一

语义分割数据集的标注
这里使用的是labelme语义分割软件。
安装直接使用指令：
pip install labelme
安装完成后，输入指令：labelme，即可打开软件，软件界面如下图所示：

打开软件之后一般需要做3项工作：
（1） 打开数据集存放的文件夹。
（2） 修改标注生成文件的存放位置，并取消在数据集的文件夹内保存标注的生成文件。此外，还需要选择自动保存功能。
（3） 选择标注的形式，一般选择多边形框进行标注。
标注中使用的快捷键：
A：上一张图像
W：下一张图像

标注完成后，生成的文件类型为：json文件，如图所示：

json文件可以使用记事本软件打开，打开后如下图所示：

在获得json文件后，需要制作标签信息。执行以下代码进行转换：

# 在cmd中运行代码：python json2png.py <json文件夹>，单独运行这个文件会报错
import os
import os.path as osp
import cv2
import shutil
import numpy as np
from PIL import Image

def json2png(json_folder, png_save_folder):
    #osp.isdir(png_save_folder)用于判断参数是否为目录。
    if osp.isdir(png_save_folder):
        #递归删除整个文件夹下所有文件，包括此文件夹；
        shutil.rmtree(png_save_folder)
    # 递归创建文件夹；
    os.makedirs(png_save_folder)
    #返回指定路径下的文件和文件夹列表。
    json_files = os.listdir(json_folder)
    for json_file in json_files:
        print(json_file)
        json_path = osp.join(json_folder, json_file)
        os.system("labelme_json_to_dataset {}".format(json_path))
        label_path = osp.join(json_folder, json_file.split(".")[0] + "_json/label.png")

        png_save_path = osp.join(png_save_folder, json_file.split(".")[0] + ".png")
        label_png = cv2.imread(label_path, 1)

        # gray_img = cv2.cvtColor(label_png, cv2.COLOR_RGB2GRAY)
        # imginfo=label_png.shape
        # print(imginfo)
        # height=imginfo[0]
        # width=imginfo[1]
        # dst=np.zeros((height,width,1),np.uint8)
        # for i in range(height):
        #     for  j in  range(width):
        #         graypixel=255-label_png[i,j]
        #         dst[i,j]=graypixel

        cv2.imwrite(png_save_path, label_png)
        # label_png[label_png > 0] = 255
        # cv2.imwrite(png_save_path, label_png)



if __name__ == '__main__':
    json_dir = r"D:\feizhongwenxiangmucunchuweizhi\shixi\annotation_test\label_annaotation1"	#json所在文件夹
    label_dir = r"D:\feizhongwenxiangmucunchuweizhi\shixi\annotation_test\png_1/"	#生成之后的标签所在文件夹
    json2png(json_folder=json_dir,png_save_folder=label_dir)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

制作标签执行json_png文件后，如下图所示：

每个json文件生成一个对应的文档，文档里包含3张图像和1个txt文件。如下图所示：

发现同一标签的颜色不统一，即：同一类别的对象的颜色不同，如下图所示。

图中，同一类别的标签line在不同的标签图像中显示的颜色不同，这会导致网络无法学习。需要对代码进行修改。
查阅大量的文件，最后发现需要对源码进行修改：
首先找到labelme安装的位置，我这里的安装位置如下图所示:


打开json_to_dataset.py文件，注释掉以下代码：

label_name_to_value = {"_background_": 0}   #将图片中背景赋值为0
    # for shape in sorted(data["shapes"], key=lambda x: x["label"]):
    #     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
1
2
3
4
5
6
7
8

然后在改代码后添加以下标签的索引字典,代码如下：

label_name_to_value = {'_background_': 0,
                           'line': 1,
                           'border': 2}
1
2
3

最终json_to_dataset.py文件代码如下：

import argparse
import base64
import json
import os
import os.path as osp

import imgviz
import PIL.Image

from labelme.logger import logger
from labelme import utils


def main():
    logger.warning(
        "This script is aimed to demonstrate how to convert the "
        "JSON file to a single image dataset."
    )
    logger.warning(
        "It won't handle multiple JSON files to generate a "
        "real-use dataset."
    )
    #使用 argparse 的第一步是创建一个 ArgumentParser 对象。
    # ArgumentParser 对象包含将命令行解析成 Python 数据类型所需的全部信息。
    parser = argparse.ArgumentParser()
    #给一个 ArgumentParser 添加程序参数信息是通过调用 add_argument() 方法完成的
    parser.add_argument("json_file")
    parser.add_argument("-o", "--out", default=None)
    #ArgumentParser 通过 parse_args() 方法解析参数。
    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)

    data = json.load(open(json_file))
    imageData = data.get("imageData")

    if not imageData:
        imagePath = os.path.join(os.path.dirname(json_file), 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}   #将图片中背景赋值为0
    # for shape in sorted(data["shapes"], key=lambda x: x["label"]):
    #     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

    # 加入字典索引后就会按照我们的分类选择label颜色
    label_name_to_value = {'_background_': 0,
                           'line': 1,
                           'border': 2}
    # 为解决问题2的同时，保证label_names.txt只写入当前图像中出现的类别。
    lbl, _  = utils.shapes_to_label(
        img.shape, data["shapes"], label_name_to_value
    )

    label_names = [None] * (max(label_name_to_value.values()) + 1)

    for name, value in label_name_to_value.items():
        label_names[value] = name

    # label_names={'_background_','line','border'}
    lbl_viz = imgviz.label2rgb(
        lbl, imgviz.asgray(img), label_names=label_names, loc="rb"
    )

    PIL.Image.fromarray(img).save(osp.join(out_dir, "img.png"))
    #保存标签图片
    utils.lblsave(osp.join(out_dir, "label.png"), lbl)
    #保存带标签的可视化图像
    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")

    logger.info("Saved to: {}".format(out_dir))


if __name__ == "__main__":
    main()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95

注意事项：
以上文件修改结束后，需要重新打开anaconda prompt窗口，然后打开labelme的环境，进入数据集的地址，进行json转png的操作。
以我的为例，具体操作如下：