2024年大数据最全在Win10系统中使用labelme制作图像分割标签数据_lableme3，大数据开发多线程实现方式及并发与同步

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

• 在Win10系统中使用labelme制作图像分割标签数据
• 前言
• 一、 安装labelme3.16.2
• • 1. 安装Anaconda（若有python环境，可忽略这一步）
    • 2. 新建python虚拟环境（若有python环境，可忽略这一步）
    • 3. 激活python虚拟环境（若有python环境，可忽略这一步）
    • 3. 在虚拟环境中安装labelme
• 二、 使用labelme制作json数据
• 三、 将json数据转换成图像数据
• 四、将每个图像标签数据从对应的文件夹中取出来
• 总结

---

前言

本文主要介绍如何使用labelme制作语义分割的标签数据，并通过代码将生成的json文件批量转换成可使用的图像标签。

---

一、 安装labelme3.16.2

1. 安装Anaconda（若有python环境，可忽略这一步）

关于如何安装Anaconda，网上有很多教程，在此不再赘述。

2. 新建python虚拟环境（若有python环境，可忽略这一步）

使用如下命令新建一个虚拟环境：

conda create -n basic_env python=3.6

3. 激活python虚拟环境（若有python环境，可忽略这一步）

使用如下命令激活刚才创建的虚拟环境：

activate basic_env

3. 在虚拟环境中安装labelme

使用如下命令安装labelme3.16.2：

pip install labelme==3.16.2

二、 使用labelme制作json数据

安装完成后，在虚拟环境中输入如下命令启动labelme

labelme

启动成功后的界面如下图

点击左侧的“Open Dir”按钮，打开装有需要标注的图像的文件夹，如下图中右下角所示

关于如何标注，读者可在软件中自行体验使用。需要注意的是，每标注完一张切片，建议读者将生成的json文件保存到和原始图像同一文件夹下，如下图所示。

三、 将json数据转换成图像数据

首先创建两个文件夹，一个名为“json”,用来存放上一步生成的json文件；一个名为“label_json”,用来存放生成的图像数据。将原图像文件夹下的json文件全部移动到json文件夹下。（这一步必须做，否则后面可能会失败。）

打开对应环境下".\Lib\site-packages\labelme\cli"文件夹（我的是“D:\Anaconda3\envs\basic_env\Lib\site-packages\labelme\cli”），将原有的json_to_dataset.py文件中代码替换为以下内容（或者重新建立该文件）：

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('.', '\_')


![img](https://img-blog.csdnimg.cn/img_convert/f7125463485d4f6ed3783ef56410ab94.png)
![img](https://img-blog.csdnimg.cn/img_convert/f7791c245061ce2fa0b9cf5caa295918.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**


**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**