好久没有使用标注工具了,应工作需要,补一篇,自己实践后,总结如下

1.labelme 简介

labelme 是一款图像标注工具,主要用于神经网络构建前的数据集准备工作,因为是用 Python 写的,所以使用前需要先安装 Python 集成环境 anaconda

2.anaconda 安装

anaconda下载地址如下:
[https://www.anaconda.com/products/distribution]

找到对应自己电脑操作系统位数的版本,直接下载,下载后安装,正常情况下,根据提示,一直 next 就可以,直到提示安装完成

3.labelme 安装

labelme 安装前,需要先创建 anaconda 虚拟环境 labelme,进入 Anaconda Prompt,输入如下命令,该命令表示创建虚拟环境 labelme

conda create -n labelme python=3.8


输入如上命令,会运行几秒钟,正式开始创建前,会出现([y]/n)” />conda env list

查看当前已安装的虚拟环境

创建好虚拟环境后,需要激活,用如下命令

conda activate labelme

labelme 正常运转需要各种依赖的包,下面的 pypt 和 pillow 就是,它们用如下命令安装

conda install pyqtconda install pillow

安装好 labelme 依赖的包之后,正式开始安装 labelme,用如下命令,先用 conda 命令,如果安装不成功,则用 pip 命令

conda install labelme=3.16.2#conda 安装命令如果出错也可以使用 pip 命令,使用逻辑等号"=="pip install labelme==3.16.2#也可以直接conda install labelme# 或者pip install labelme

中间有可能会再次出现([y]/n)” />4.labelme 使用

以后每次使用 labelme 时,都需要桌面搜索进入 anaconda prompt,用如下命令激活 labelme 环境

activate labelme

用如下命令打开 labelme

labelme

输入如上命令后,会弹出 labelme 操作界面,如下:

5.图片打标实例

点击 Open Dir,选择待标注图片所在文件夹,批量导入

根据需求,选择圆、矩形、多边形(默认)等开始标注,一般为多边形
一个区域标注完成后,会自动弹出对话框,键入标签名称

所有区域标注完成后,点击左侧栏 Save,会自动保存对应的 json 数据
生成的 json 文件批量转成我们需要的数据格式
1.找到 json_to_dataset.py 文件,打开,替换为如下代码

import argparseimport jsonimport osimport os.path as ospimport base64import warnings import PIL.Imageimport yaml from labelme import utils import cv2import numpy as npfrom skimage import img_as_ubyte # from sys import argv 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 #freedomlist_path = os.listdir(json_file)print('freedom =', json_file)for i in range(0,len(list_path)):path = os.path.join(json_file,list_path[i])if os.path.isfile(path): data = json.load(open(path))img = utils.img_b64_to_arr(data['imageData'])lbl, lbl_names = utils.labelme_shapes_to_label(img.shape, data['shapes']) captions = ['%d: %s' % (l, name) for l, name in enumerate(lbl_names)] lbl_viz = utils.draw_label(lbl, img, captions)out_dir = osp.basename(path).replace('.', '_')save_file_name = out_dirout_dir = osp.join(osp.dirname(path), out_dir) if not osp.exists(json_file + '\\' + 'labelme_json'):os.mkdir(json_file + '\\' + 'labelme_json')labelme_json = json_file + '\\' + 'labelme_json' out_dir1 = labelme_json + '\\' + save_file_nameif not osp.exists(out_dir1):os.mkdir(out_dir1) PIL.Image.fromarray(img).save(out_dir1+'\\'+save_file_name+'_img.png')PIL.Image.fromarray(lbl).save(out_dir1+'\\'+save_file_name+'_label.png')PIL.Image.fromarray(lbl_viz).save(out_dir1+'\\'+save_file_name+'_label_viz.png') if not osp.exists(json_file + '\\' + 'mask_png'):os.mkdir(json_file + '\\' + 'mask_png')mask_save2png_path = json_file + '\\' + 'mask_png'#################################mask_pic = cv2.imread(out_dir1+'\\'+save_file_name+'_label.png',)#print('pic1_deep:',mask_pic.dtype) mask_dst = img_as_ubyte(lbl)#mask_picprint('pic2_deep:',mask_dst.dtype)cv2.imwrite(mask_save2png_path+'\\'+save_file_name+'_label.png',mask_dst)################################## with open(osp.join(out_dir1, 'label_names.txt'), 'w') as f:for lbl_name in lbl_names:f.write(lbl_name + '\n') warnings.warn('info.yaml is being replaced by label_names.txt')info = dict(label_names=lbl_names)with open(osp.join(out_dir1, 'info.yaml'), 'w') as f:yaml.safe_dump(info, f, default_flow_style=False) print('Saved to: %s' % out_dir1) if __name__ == '__main__':main()

2.替换好之后,找到 labelme_json_to_dataset.exe 这个文件,主要是复制它的路径

3.桌面搜索 anaconda,再次进入Anaconda Prompt,激活 labelme 环境,用如下命令

activate labelme 

4.进入 labelme_json_to_dataset.exe 文件所在路径,也就是第2步你复制的路径,进入命令如下

cd D:\Anaconda3\envs\labelme\Scripts

5.输入 labelme_json_to_dataset.exe+空格+【你待转化的 json 文件所在路径】

labelme_json_to_dataset.exe 【你待转化的 json 文件所在路径】

等待运行,运行一段时间后,如果末尾出现以下红框所示,表示转换成功

6.检查转换结果

如下显示,表示转换成功