图像标注工具python+opencv

1 功能

使用 opencv 对图像进行矩形框标注
因为在使用 labelmg 的过程中感觉不太方便，主要是我所使用的图像长宽比差别大，所以在 labelImg 中标记起来很费劲，而 opencv 可以自由缩放图像，更加方便一些

2 使用方法

2.1 标记

在命令行中运行label_main.py程序后，用选框拖动一个矩形框
会出现一个确认框，如果标注正确，点击正确，那么该标记框就会加入到列表中保存；如果点击错误，那么该标记框不会保存；如果该图片标记完成，点击结束，进行下一张图片的标记（请不要直接关闭图像，而是应该点击结束进行下一张图片的标记）
点击正确后，之前的蓝色矩形框会变成红色
可以自由缩放图像比例进行标记
标记完毕后，每张图片的标记都会生成一个 csv 文件
运行日志

C:\Users>python label_main.py
--当前标记的图片: 0
已经增加一处标记，请继续框选，标记框数量: 1
已经增加一处标记，请继续框选，标记框数量: 2
已经增加一处标记，请继续框选，标记框数量: 3
已经增加一处标记，请继续框选，标记框数量: 4
已经增加一处标记，请继续框选，标记框数量: 5
--结束当前图片标记----当前标记的图片: 1
已经增加一处标记，请继续框选，标记框数量: 1
--结束当前图片标记--

2.2 读取标记框并可视化

运行read_label.py文件，可视化如图所示

2.3 注意

该程序需最好在命令行运行，在 spyder 和 ipython 中可能会出错
注意结束当前标记图片在弹出的确认框中点击结束，而不是直接关掉图片

3 程序

github 链接：链接
label_main.py

"""
Discription: python + opencv 对图片进行标记
Notes:该程序需最好在命令行运行，在 spyder 和 ipython 中可能会出错注意结束当前标记图片在弹出的确认框中点击结束，而不是直接关掉图片
"""
import os
import cv2
import tkinter as tk
import numpy as npglobal point1, point2
global ensure
global point_listpoint_list = []def createWinSure():""" 创建一个确认框"""global ensurewin=tk.Tk()label=tk.Label(win,text="确认图像标注正确",bg="white",fg="black")label.pack()buttony=tk.Button(win,text="正确",command=lambda:confirm(1,win)) #收到消息执行这个函数buttony.pack() # 加载到窗体buttonn=tk.Button(win,text="错误",command=lambda:confirm(0,win)) #收到消息执行这个函数buttonn.pack() # 加载到窗体buttonn=tk.Button(win,text="结束",command=lambda:confirm(2,win)) #收到消息执行这个函数buttonn.pack() # 加载到窗体win.mainloop()def confirm(flag,win):""" 点击确认框后，将结果保存到全局变量 ensure 中"""global ensureensure = flagwin.destroy()def on_mouse(event, x, y, flags, param):""" 鼠标响应，每次确认完一次都会重新绘制图像Notes:矩形框颜色(B, G, R)"""global point1,point2global point_listglobal ensureglobal pressureimg = param[0]index = param[1]box_length = 2 # 矩形框宽度img2 = img.copy() # 每次鼠标响应都会重新绘制if event == cv2.EVENT_LBUTTONDOWN: #左键点击point1 = (x,y)cv2.circle(img2, point1, 10, (0,255,0), box_length) # 单击时绘制 绿色圆形框 示意cv2.imshow('image', img2)elif event == cv2.EVENT_MOUSEMOVE and (flags & cv2.EVENT_FLAG_LBUTTON): #按住左键拖曳cv2.rectangle(img2, point1, (x,y), (255,0,0), box_length) # 绘制 蓝色矩形框cv2.imshow('image', img2)elif event == cv2.EVENT_LBUTTONUP: #左键释放point2 = (x,y)cv2.rectangle(img2, point1, point2, (0,0,255), box_length) # 绘制 红色矩形框createWinSure() # 创建一个确认框if ensure == 0: # 框选错误，重新框选print('未标记，请在图片上重新框选!')elif ensure == 1: # 框选正确，继续point_list.append([point1[0], point1[1], point2[0], point2[1]])print('已经增加一处标记，请继续框选，标记框数量:', len(point_list))img2 = cv2.rectangle(img2, point1, point2, (0,0,255), box_length) # 绘制 蓝色矩形框cv2.imshow('image', img2)else: # 结束print("--结束当前图片标记--\n")np.savetxt(str(index) + ".csv", point_list, delimiter=",", fmt='%d')point_list = [] # 将列表清零cv2.imshow('image', img2)cv2.destroyAllWindows()def main():for root, dirs, files in os.walk('./data/'): for i in range(0,len(files)):print("--当前标记的图片:", i)img = cv2.imread('./data/'+files[i])cv2.namedWindow('image', 0)cv2.setMouseCallback('image', on_mouse, [img,i])cv2.imshow('image', img)cv2.waitKey(0)if __name__ == '__main__':main()

read_label.py

# -*- coding: utf-8 -*-
"""
Discription: 读取 csv 格式的标签信息，并绘制矩形框显示
"""
import cv2
import numpy as npdef cv_rect(data_r, i_xmin, i_xmax, i_ymin, i_ymax):""" 根据标签绘制矩形框Args:data_r: others: 起点终点坐标，必须为整型Returns:data_rect：绘制矩形框后数据，矩形框位置的数据值为 0"""gx_start, gx_end = i_xmin, i_xmaxgy_start, gy_end = i_ymin, i_ymaxdata_rect = data_r.copy()cv2.rectangle(data_rect, (gx_start, gy_start), (gx_end, gy_end), (0,0,255), 2)return data_rectdef main():index = 0src = cv2.imread("./" + str(index) + ".jpeg")src_rect = src.copy()label_list = np.loadtxt("./" + str(index) + ".csv", delimiter=",", dtype='int')for label in label_list:i_xmin, i_ymin, i_xmax, i_ymax = label[0], label[1], label[2], label[3]src_rect = cv_rect(src_rect, i_xmin, i_xmax, i_ymin, i_ymax)cv2.namedWindow('img', 0)cv2.imshow('img', src_rect)if __name__ == '__main__':main()

参考链接

参考：机器学习人工标注样本工具Python+OpenCV

图像标注工具python+opencv相关推荐

资源 | 深度学习图像标注工具汇总
作者 | chaibubble 来源 | CSDN 网站对于监督学习算法而言,数据决定了任务的上限,而算法只是在不断逼近这个上限.世界上最遥远的距离就是我们用同一个模型,但是却有不同的任务.但是数据 ...
深度学习（目标检测。图像分割等）图像标注工具汇总
深度学习(目标检测.图像分割等)图像标注工具汇总 2018年05月31日 09:21:54 努力努力再努力tq 阅读数:3581 对于监督学习算法而言,数据决定了任务的上限,而算法只是在不断逼近这个上 ...
图像标注工具labelimg的安装和使用教程
图像标注工具labelimg的安装和使用教程一.安装labelimg (1)首先通过Win+R快捷打开windows的"运行"对话框,在对话框中输入cmd进行终端界面. (2)在 ...
深度学习图像标注工具汇总
深度学习图像标注工具汇总原文地址: https://blog.csdn.net/chaipp0607/article/details/79036312 对于监督学习算法而言,数据决定了任务的上限,而 ...
深度学习图像标注工具labelme
来源:极客Merry 前言在深度学习中若是没有带标注的数据,这可能会阻碍研究的进展,所以深度学习第一步就是制作数据集,手动去标注一些数据.LabelMe就是这样一个在线的图像数据标注工具: Labe ...
计算机视觉中的图像标注工具总结
本文来自公众号CV技术指南资源分享系列创建高质量的数据集是任何机器学习项目的关键部分.在实践中,这通常比实际训练和超参数优化花费的时间更长.因此,选择合适的标注工具至关重要.在这里,我们总结了一些用 ...
CV之LabelImg：图片标注工具之LabelImg(图像标注工具)的简介、安装、使用方法详细攻略
CV之LabelImg:图片标注工具之LabelImg(图像标注工具)的简介.安装.使用方法详细攻略目录 LabelImg的简介常见的图片标注工具 LabelImg trainingImageLa ...
MATLAB中图像标注工具——Image Labeler的使用方法
前言深度学习中无论是什么任务,数据集是必不可少的,我们可以使用公开数据集,但实际情况中由于特定的任务我们可能也不得不手动制作数据集.正好本人最近在一个语义分割任务中涉及自己制作数据集,也就是标注图像 ...
labelImg图像标注工具的详细使用
一.Ubuntu16.04下安装labelImg图像标注工具图像标注软件安装:安装方法二.labellmg标注软件的使用 1.软件图标的使用 (1)打开需要标记的图片文件夹 (2)修改保存路径(X ...
【Matlab】Image labeler图像标注工具的使用
记录Matlab 图像标注工具的使用背景介绍工具介绍创建标签类型图像标注标注信息导出导出信息处理背景介绍本次主要记录使用Matlab进行图像标注的一个过程,属于图像处理的一个前期工作, ...

图像标注工具python+opencv

1 功能

2 使用方法

2.1 标记

2.2 读取标记框并可视化

2.3 注意

3 程序

参考链接

图像标注工具python+opencv相关推荐

最新文章

热门文章