安装

安装方式：详情参考官网安装

# Ubuntu 14.04
sudo apt-get install python-qt4 pyqt4-dev-tools
sudo pip install labelme # python2 works# Ubuntu 16.04
sudo apt-get install python-qt5 pyqt5-dev-tools
sudo pip3 install labelme

启动命令

终端或cmd输入labelme 开始标记，标记完成后保存得到一个json文件。

注：每个对象对应一个mask（图中2个对象，对应2个mask）,左边的猫标记为cat_1，右边的标记为cat_2

分析json文件

首先看看标记完成的json文件长什么样子。

{"imageData": "something too long", # 原图像数据 通过该字段可以解析出原图像数据"shapes": [ # 每个对象的形状{ # 第一个对象"points": [ # 边缘是由点构成，将这些点连在一起就是对象的边缘多边形[165.90909090909093, # 第一个点 x 坐标36.909090909090935  # 第一个点 y 坐标],……[240.90909090909093,15.909090909090935],[216.90909090909093, # 最后一个点 会闭合到第一个点完成封闭的多边形 x 坐标31.909090909090935 # y 坐标]],"fill_color": null,"label": "cat_1",  # 第一个对象的标签"line_color": null},{  # 第二个对象"points": [[280.90909090909093,31.909090909090935],……[362.90909090909093,20.909090909090935],[339.90909090909093,32.909090909090935]],"fill_color": null,"label": "cat_2", # 第二个对象的标签"line_color": null}],"fillColor": [255,0,0,128],"imagePath": "/home/wu/1.jpg", # 原始图片的路径"lineColor": [0,255,0,128]
}

通过json文件提取信息

通过解析json文件提取每个对象的边界多边形（mask），labels，以及原图像的地址路径

参考：labelme_draw_json

# -*- coding:utf-8 -*-
#!/usr/bin/env pythonimport argparse
import json
import matplotlib.pyplot as pltfrom labelme import utilsdef main():parser = argparse.ArgumentParser()parser.add_argument('json_file')args = parser.parse_args()json_file = args.json_filedata = json.load(open(json_file)) # 加载json文件img = utils.img_b64_to_array(data['imageData']) # 解析原图片数据lbl, lbl_names = utils.labelme_shapes_to_label(img.shape, data['shapes']) # 解析'shapes'中的字段信息，解析出每个对象的mask与对应的label   lbl存储 mask，lbl_names 存储对应的label# lal 像素取值 0、1、2 其中0对应背景，1对应第一个对象，2对应第二个对象# 使用该方法取出每个对象的mask mask=[] mask.append((lbl==1).astype(np.uint8)) # 解析出像素值为1的对象，对应第一个对象 mask 为0、1组成的（0为背景，1为对象）# lbl_names  ['background','cat_1','cat_2']captions = ['%d: %s' % (l, name) for l, name in enumerate(lbl_names)]lbl_viz = utils.draw_label(lbl, img, captions)plt.subplot(121)plt.imshow(img)plt.subplot(122)plt.imshow(lbl_viz)plt.show()if __name__ == '__main__':main()''' 其他
data['imageData'] # 原图数据 str
data['shapes'] # 每个对像mask及label  list
len(data['shapes']) # 返回对象个数 int
data['shapes'][0]['label'] # 返回第一个对象的标签 str
data['shapes'][0]['points'] # 返回第一个对象的边界点 list
data['shapes'][0]['points'][0] # 返回第一个对象的边界点第一个点 listdata['imagePath'] # 原图路径 str
data['fillColor'] # 填充颜色（边界内部） list
data['lineColor'] # 边界线颜色  list
'''

#!/usr/bin/env pythonimport argparse
import json
import matplotlib.pyplot as plt
import numpy as npfrom labelme import utilsdef main():parser = argparse.ArgumentParser()parser.add_argument('json_file')args = parser.parse_args()json_file = args.json_filedata = json.load(open(json_file))img = utils.img_b64_to_array(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)# lbl_names[0] 默认为背景，对应的像素值为0# 解析图片中的对象 像素值不为0（0 对应背景）mask=[]class_id=[]for i in range(1,len(lbl_names)): # 跳过第一个class（默认为背景）mask.append((lbl==i).astype(np.uint8)) # 解析出像素值为1的对应，对应第一个对象 mask 为0、1组成的（0为背景，1为对象）class_id.append(i) # mask与clas 一一对应mask=np.transpose(np.asarray(mask,np.uint8),[1,2,0]) # 转成[h,w,instance count]class_id=np.asarray(class_id,np.uint8) # [instance count,]class_name=lbl_names[1:] # 不需要包含背景plt.subplot(221)plt.imshow(img)plt.subplot(222)plt.imshow(lbl_viz)plt.subplot(223)plt.imshow(mask[:,:,0],'gray')plt.title(class_name[0]+'\n id '+str(class_id[0]))plt.axis('off')plt.subplot(224)plt.imshow(mask[:,:,1],'gray')plt.title(class_name[1] + '\n id ' + str(class_id[1]))plt.axis('off')plt.show()if __name__ == '__main__':main()

模仿labelme的json文件

仿照lablme的json文件改写自己的数据，然后便可以调用labelme的数据接口解析自己的数据

# -*- coding:utf-8 -*-'''
仿照labelme的json文件写入自己的数据
'''
import cv2
import json# json_file = './1.json'# data = json.load(open(json_file))# 参考labelme的json格式重新生成json文件，
# 便可以使用labelme的接口解析数据def dict_json(imageData,shapes,imagePath,fillColor=None,lineColor=None):''':param imageData: str:param shapes: list:param imagePath: str:param fillColor: list:param lineColor: list:return: dict'''return {"imageData":imageData,"shapes":shapes,"fillColor":fillColor,'imagePath':imagePath,'lineColor':lineColor}def dict_shapes(points,label,fill_color=None,line_color=None):return {'points':points,'fill_color':fill_color,'label':label,'line_color':line_color}# 注以下都是虚拟数据，仅为了说明问题
imageData="image data"
shapes=[]
# 第一个对象
points=[[10,10],[120,10],[120,120],[10,120]] # 数据模拟
# fill_color=null
label='cat_1'
# line_color=null
shapes.append(dict_shapes(points,label))# 第二个对象
points=[[150,200],[200,200],[200,250],[150,250]] # 数据模拟
label='cat_2'
shapes.append(dict_shapes(points,label))fillColor=[255,0,0,128]imagePath='E:/practice/1.jpg'lineColor=[0,255,0,128]data=dict_json(imageData,shapes,imagePath,fillColor,lineColor)# 写入json文件
json_file = 'E:/practice/2.json'
json.dump(data,open(json_file,'w'))

生成的json文件便可以使用labelme提供的接口解析。

labelme标注的数据分析相关推荐

2021-07-27 对labelme标注出来的JSON文件进行灰度图转化（标签值0.1.2.3.4)
对labelme标注出来的JSON文件进行灰度图转化(标签值0.1.2.3.4) 原图如下: 标注后生成json文件如下: import cv2 import numpy as np import j ...
labelme标注文件转coco json，coco json转yolo txt格式，coco json转xml, labelme标注文件转分割,boxes转labelme json
参考:https://github.com/wkentaro/labelme 一.labelme标注文件转coco json 1.标注时带图片ImageData信息,将一个文件夹下的照片和labelm ...
LabelMe标注的.json文件批量转Dataset，通过查询到多种代码无法在我电脑上正常工作，发现他们有共同的报错，于是修改后能正常工作。
1.写在前面最近用到标注好的数据训练神经网络,用labelme标注好之后生成.json文件,我要实现的功能是目标分割,需要把.json文件转为VOC格式的数据.但是.json文件太多,于是在网上找一 ...
labelme 标注生成24位深度图像转换为8位
新版本的 labelme 标注完成图像后,将 json 文件转换为图像时已经转换为 8 通道图像,如下图所示: 最近在看别人程序时发现经过图像标注生成的 label 一片黑,且图像深度为 24 位,如 ...
Labelme标注的json数据转化为coco格式的数据
Labelme标注的json数据转化为coco格式的数据 1. 转化方法一 2. 转化方法二 1. 转化方法一 import os import json import numpy as np imp ...
labelme标注结果可视化（持续补充）
图像数据常用的标注工具是labelme,标注的格式是json.labelme标注结果可视化,是将标注结果绘制到原始图像上,以方便查看标注结果. 1 json文件读取与保存由于labelme标注的保存 ...
python脚本对labelme标注的数据集进行镜面旋转扩充数据集
使用labelme做数据集标注效率不得不说非常感人,由此开始思考如何利用已经标注的数据集参考如下脚本编写python脚本对labelme标注的数据集进行左右/上下镜面翻转扩充数据集_Alex-Le ...
使用labelme标注语义分割数据
当我们从各种途径获得图片数据之后,需要对其进行分割标注. 这里我们使用labelme标注工具. 环境: anaconda3 labelme项目地址:https://github.com/wkentar ...
labelme标注的json标签转txt格式
在机器学习训练中常常会有不同格式的标签之间的转换,本次是将json标签格式转化成txt格式,在此记录一下. 1.labelme标注: 2.json文件: {"version": & ...

labelme标注的数据分析

安装

启动命令

分析json文件

通过json文件提取信息

模仿labelme的json文件

labelme标注的数据分析相关推荐

最新文章

热门文章