Python将已标注的两张图片进行上下拼接并修改、合并其对应的Labelme标注文件

于 2023-11-19 14:16:23 发布
阅读量307 收藏
点赞数
分类专栏： Python日常小操作 文章标签： python 开发语言 目标检测 json Labelme 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/FriendshipTang/article/details/134489801
版权

Python将已标注的两张图片进行上下拼接并修改、合并其对应的Labelme标注文件

在这里插入图片描述

前言

前提条件

相关介绍

  • Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。
  • PyTorch 是一个深度学习框架，封装好了很多网络和深度学习相关的工具方便我们调用，而不用我们一个个去单独写了。它分为 CPU 和 GPU 版本，其他框架还有 TensorFlow、Caffe 等。PyTorch 是由 Facebook 人工智能研究院（FAIR）基于 Torch 推出的，它是一个基于 Python 的可续计算包，提供两个高级功能：1、具有强大的 GPU 加速的张量计算（如 NumPy）；2、构建深度神经网络时的自动微分机制。
  • YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。它是一个在COCO数据集上预训练的物体检测架构和模型系列，代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。
  • Labelme是一款图像标注工具，由麻省理工(MIT)的计算机科学和人工智能实验室(CSAIL)研发。它是用Python和PyQT编写的，开源且免费。Labelme支持Windows、Linux和Mac等操作系统。
  • 这款工具提供了直观的图形界面，允许用户在图像上标注多种类型的目标，例如矩形框、多边形、线条等，甚至包括更复杂的形状。标注结果以JSON格式保存，便于后续处理和分析。这些标注信息可以用于目标检测、图像分割、图像分类等任务。
  • 总的来说，Labelme是一款强大且易用的图像标注工具，可以满足不同的图像处理需求。
  • Labelme标注json文件是一种用于存储标注信息的文件格式，它包含了以下几个主要的字段：
    • version: Labelme的版本号，例如"4.5.6"。
    • flags: 一些全局的标志，例如是否是分割任务，是否有多边形，等等。
    • shapes: 一个列表，每个元素是一个字典，表示一个标注对象。每个字典包含了以下几个字段：
      • label: 标注对象的类别名称，例如"dog"。
      • points: 一个列表，每个元素是一个坐标对，表示标注对象的边界点，例如[[10, 20], [30, 40]]。
      • group_id: 标注对象的分组编号，用于表示属于同一组的对象，例如1。
      • shape_type: 标注对象的形状类型，例如"polygon"，“rectangle”，“circle”，等等。
      • flags: 一些针对该标注对象的标志，例如是否是难例，是否被遮挡，等等。
    • lineColor: 标注对象的边界线颜色，例如[0, 255, 0, 128]。
    • fillColor: 标注对象的填充颜色，例如[255, 0, 0, 128]。
    • imagePath: 图像文件的相对路径，例如"img_001.jpg"。
    • imageData: 图像文件的二进制数据，经过base64编码后的字符串，例如"iVBORw0KGgoAAAANSUhEUgAA…"。
    • imageHeight: 图像的高度，例如600。
    • imageWidth: 图像的宽度，例如800。

以下是一个Labelme标注json文件的示例：

{
  "version": "4.5.6",
  "flags": {},
  "shapes": [
    {
      "label": "dog",
      "points": [
        [
          121.0,
          233.0
        ],
        [
          223.0,
          232.0
        ],
        [
          246.0,
          334.0
        ],
        [
          121.0,
          337.0
        ]
      ],
      "group_id": null,
      "shape_type": "polygon",
      "flags": {}
    }
  ],
  "lineColor": [
    0,
    255,
    0,
    128
  ],
  "fillColor": [
    255,
    0,
    0,
    128
  ],
  "imagePath": "img_001.jpg",
  "imageData": "iVBORw0KGgoAAAANSUhEUgAA...",
  "imageHeight": 600,
  "imageWidth": 800
}

实验环境

  • Python 3.x （面向对象的高级语言）

上下拼接图片并修改、合并其对应的Labelme标注文件

  • 背景：将标注好的数据集，上下拼接图片，以扩充数据集图片的形状大小，更好的输入进去网络，训练模型。
  • 目录结构示例
    在这里插入图片描述

代码实现

在这里插入图片描述

  • img_test：要拼接的图片数据集和Labelme标注的Json文件所在的文件夹。

在这里插入图片描述

{
  "version": "5.1.1",
  "flags": {},
  "shapes": [
    {
      "label": "0",
      "points": [
        [
          71.08019639934534,
          33.10965630114566
        ],
        [
          81.55482815057283,
          110.68739770867431
        ]
      ],
      "group_id": null,
      "shape_type": "rectangle",
      "flags": {}
    }
  ],
  "imagePath": "1.png",
  "imageData": null,
  "imageHeight": 160,
  "imageWidth": 160
}

在这里插入图片描述

{
  "version": "5.1.1",
  "flags": {},
  "shapes": [
    {
      "label": "1",
      "points": [
        [
          77.29950900163666,
          61.58756137479541
        ],
        [
          87.11947626841243,
          97.59410801963993
        ]
      ],
      "group_id": null,
      "shape_type": "rectangle",
      "flags": {}
    }
  ],
  "imagePath": "2.png",
  "imageData": null,
  "imageHeight": 160,
  "imageWidth": 160
}

import os
import cv2
import json
import math

def xyxy2xywh(rect):
    '''
    (x1,y1,x2,y2) -> (x,y,w,h)
    '''
    return [rect[0],rect[1],rect[2]-rect[0],rect[3]-rect[1]]

def xywh2xyxy(rect):
    '''
    (x,y,w,h) -> (x1,y1,x2,y2)
    '''
    return [rect[0],rect[1],rect[0]+rect[2],rect[1]+rect[3]]


def is_RecA_RecB_interSect(RecA, RecB): # Rec = [xmin,ymin,xmax,ymax]
    # 获取交集区域的[xmin,ymin,xmax,ymax]
    x_A_and_B_min = max(RecA[0], RecB[0])
    y_A_and_B_min = max(RecA[1], RecB[1])
    x_A_and_B_max = min(RecA[2], RecB[2])
    y_A_and_B_max = min(RecA[3], RecB[3])
    # 计算交集部分面积, 当(xmax - xmin)为负时，说明A与B框无交集，直接置为0。 (ymax - ymin)同理。
    interArea = max(0, x_A_and_B_max - x_A_and_B_min) * max(0, y_A_and_B_max - y_A_and_B_min)
    return interArea > 0

def merge_RecA_RecB(RecA, RecB): # Rec = [xmin,ymin,xmax,ymax]
    # 获取合并区域的[xmin,ymin,xmax,ymax]
    xmin = min(RecA[0], RecB[0])
    ymin = min(RecA[1], RecB[1])
    xmax = max(RecA[2], RecB[2])
    ymax = max(RecA[3], RecB[3])
    return [xmin,ymin, xmax,ymax]

'''
递归是一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法，
它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解。
因此递归过程，最重要的就是查看能不能讲原本的问题分解为更小的子问题，这是使用递归的关键。


    终止条件：矩形框数为1或者为空。
    返回值： 新合并的矩形框
    本级任务： 每一级需要做的就是遍历从它开始的后续矩形框，寻找可以和他合并的矩形

'''
def merge_rect(box,labels):
    '''
    合并重叠框 

    输入参数: box :[[xmin,ymin,xmax,ymax],...]
            labels :['0', '0', '1', '1', '1', '2', '2', '2']

    返回:
        合并后的box:[[xmin,ymin,xmax,ymax],...]
        合并后的labels:['0', '1', '2']
    '''
    if len(box) == 1 or len(box) == 0 : # 矩形框数为1或者为空
        return box,labels

    for i in range(len(box)):
        RecA_xyxy = box[i]
        labelA = labels[i]
        for j in range(i+1, len(box)):
            RecB_xyxy = box[j]
            labelB = labels[i]
            if is_RecA_RecB_interSect(RecA_xyxy, RecB_xyxy)  and labelA==labelB:
                rect_xyxy = merge_RecA_RecB(RecA_xyxy, RecB_xyxy)
                # 使用remove(elem)来移除元素
                box.remove(RecA_xyxy)
                box.remove(RecB_xyxy)
                box.append(rect_xyxy)
                labels.pop(i)
                labels.pop(j-1)
                labels.append(labelA)
                merge_rect(box,labels)
                # 返回上一级循环，避免重复处理已合并的矩形
                return box,labels
    return box,labels

def xyxy2xminyminxmaxymax(rect):
    '''
    (x1,y1,x2,y2)  -> (xmin,ymin,xmax,ymax)
    '''
    xmin = min(rect[0],rect[2])
    ymin = min(rect[1],rect[3])
    xmax = max(rect[0],rect[2])
    ymax = max(rect[1],rect[3])
    return xmin,ymin,xmax,ymax

def coord_recovery(res_list,img_height = 80):
    for i in range(len(res_list)):
        for j in res_list[i][1]:
            j[1] = j[1] + i*img_height
            j[3] = j[3] + i*img_height
        
        
        # res_list[i][1][0][1] = res_list[i][1][0][1] + i*img_height
        # res_list[i][1][0][3] = res_list[i][1][0][3] + i*img_height
    return res_list

def read_write_json(in_json1_path,
                    in_json2_path,
                    output_json_path,
                    out_img_name,
                    new_img_height,
                    new_img_width,
                    json_dict = {
                            "version": "4.5.6",
                            "flags": {},
                            "shapes": [],
                        },
                ):
    '''
    读取json文件
    '''
    with open(in_json1_path, "r", encoding='utf-8') as f:
        # json.load数据到变量json_data
        json1_data = json.load(f)
    with open(in_json2_path, "r", encoding='utf-8') as f:
        # json.load数据到变量json_data
        json2_data = json.load(f)
    
    img1_height = json1_data['imageHeight']
    img1_width = json1_data['imageWidth']
    img2_height = json2_data['imageHeight']
    img2_width = json2_data['imageWidth']
    labels = []
    boxes = []
    for i in json1_data['shapes']:
        labels.append(i['label'])
        rect = int(i['points'][0][0]),int(i['points'][0][1]),int(i['points'][1][0]),int(i['points'][1][1]) # x1,y1,x2,y2
        x1,y1,x2,y2 = xyxy2xminyminxmaxymax(rect)
        boxes.append([x1,y1,x2,y2])

    for i in json2_data['shapes']:
        labels.append(i['label'])
        rect = int(i['points'][0][0]),int(i['points'][0][1])+img1_height,int(i['points'][1][0]),int(i['points'][1][1])+img1_height # x1,y1,x2,y2
        x1,y1,x2,y2 = xyxy2xminyminxmaxymax(rect)
        boxes.append([x1,y1,x2,y2])

    merge_box,merge_labels = merge_rect(boxes,labels) # 合并相交的矩形
    # print(merge_labels,merge_box,sep='\n')
    for box,label in zip(merge_box,merge_labels):
        shapes_dict = {'label': '', 
                'points': [], # [[x1,y1],[x2,y2]]
                'group_id': None, 
                'shape_type': 'rectangle', 
                'flags': {}}
        shapes_dict['label'] = label
        x1,y1,x2,y2 = box
        shapes_dict['points'] = [[x1,y1],[x2,y2]]
        json_dict['shapes'].append(shapes_dict)
    
    '''
    写新的json文件
    '''
    json_dict["imagePath"] = out_img_name
    json_dict["imageData"] = None
    json_dict["imageHeight"] = new_img_height
    json_dict["imageWidth"] = new_img_width
    with open(output_json_path, 'w') as f:
        f.write(json.dumps(json_dict))


def vconcat_img_json(img1_path,img2_path,json1_path,json2_path,output_dir):
    img1 = cv2.imread(img1_path)
    img2 = cv2.imread(img2_path)
    img1_img2_res = cv2.vconcat([img1, img2])
    new_img_height,new_img_width = img1_img2_res.shape[0],img1_img2_res.shape[1]
    img_type = '.png'
    out_img_name = img1_path.split('/')[-1].split('.')[0] +'_'+ img2_path.split('/')[-1].split('.')[0]+img_type
    out_img_path = os.path.join(output_dir,out_img_name)
    # print(out_img_path)
    # 保存图片
    cv2.imwrite(out_img_path,img1_img2_res)
    
    out_json_name = img1_path.split('/')[-1].split('.')[0] +'_'+ img2_path.split('/')[-1].split('.')[0]+".json"
    out_json_path = os.path.join(output_dir,out_json_name)
    # print(out_json_path)
    # 保存新的json文件
    read_write_json(json1_path,json2_path,out_json_path,out_img_name,new_img_height,new_img_width)
    
if __name__=="__main__":
    output_dir = "output"
    if not os.path.exists(output_dir):
        os.mkdir(output_dir)

    img1_path = 'img_test/1.png'
    img2_path = 'img_test/2.png'
    
    json1_path = 'img_test/1.json'
    json2_path = 'img_test/2.json'

    vconcat_img_json(img1_path,img2_path,json1_path,json2_path,output_dir)

输出结果

在这里插入图片描述

  • output：拼接后图片数据集和Labelme标注的Json文件所在的文件夹。

在这里插入图片描述

{
    "version": "4.5.6",
    "flags": {},
    "shapes": [
        {
            "label": "0",
            "points": [
                [
                    71,
                    33
                ],
                [
                    81,
                    110
                ]
            ],
            "group_id": null,
            "shape_type": "rectangle",
            "flags": {}
        },
        {
            "label": "1",
            "points": [
                [
                    77,
                    221
                ],
                [
                    87,
                    257
                ]
            ],
            "group_id": null,
            "shape_type": "rectangle",
            "flags": {}
        }
    ],
    "imagePath": "1_2.png",
    "imageData": null,
    "imageHeight": 320,
    "imageWidth": 160
}
FriendshipT
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python之实现两张图片拼接成一张图片(水平方向)（亲测可用）
萧海的博客
06-20 2014
【代码】python之实现两张图片拼接成一张图片(水平方向)（亲测可用）
read_json_读labelme生成json文件的标注框_
09-30
1. 使用`open()`函数打开JSON文件，并调用`json.load()`方法将其内容解析为Python字典。 2. 在解析得到的字典中，查找`shapes`键，其值是一个列表，包含了所有标注对象。 3. 遍历`shapes`列表，提取每个对象的`label...
Python作图技巧 如何设置图形的高度
我点评的博客
07-13 806
Seaborn是一个基于Matplotlib的Python数据可视化库，它提供了更高层次的接口，可以使图形的创建更加容易。在Seaborn中，我们可以使用FacetGrid类来创建图形，并使用set()方法来设置图形的属性。在Plotly中，我们可以使用Figure类来创建图形，并使用update_layout()方法来设置图形的属性。在数据可视化中，图形的高度是一个很重要的因素，因为它可以直接影响到图像的呈现效果。为了设置图形的高度，我们可以使用Figure类的layout属性中的height参数。
Python合并同名Labelme标注文件内容
FriendshipTang的博客
05-16 477
Python、OS、JSON、Labelme
【小方法】python图片拼接(PIL模块)
wangzhuanjia的博客
05-26 1万+
使用场景： 今天超级🦅识别验证码遇到一个问题， 着张图片是由两张图片组成的， 但是超级🦅识别点选验证码，只能传入一张图片，于是需要将两张图片进行一个拼接。 当然截图也是可以的，但是截图没有原图准确。 于是今天我就开始了，疯狂百度，有很多种方法都可以实现，比如numpy数组拼接，用cv2拼接，还有使用PIL库，个人觉得使用PIL库的方法最合适了。 代码解析： def image_Splicing(img_1, img_2, flag='y'): img1 = Image.open(img_1)
Python代码实现两张图片的拼接
qq_46210839的博客
07-09 3697
from PIL import Image # 处理两个图片的拼接 def join_two_image(img_1, img_2, flag='horizontal'): # 默认是水平参数 # 1、首先使用open创建Image对象，open()需要图片的路径作为参数 # 2、然后获取size，size[0]代表宽，size[1]代表长，分别代表坐标轴的x,y # 3、使用Image.new创建一个新的对象 # 4、设置地点，两个图片分别在大图的什么位置粘贴
Labelme图片标注软件
10-12
Labelme是一款广泛应用于深度学习领域的图像标注工具，它为研究人员和开发者提供了便利的图形界面，用于创建精确的像素级别的图像注释。这个工具的核心功能在于帮助用户为图像数据集进行对象边界框绘制、多边形分割...
Python批量更改json标注文件中的imagePath为当前json名称
06-17
如果重命名过标注文件json名称，但json里的imagePath并不会随之改变，这个代码可以批量修改imagePath为当前json文件名
python项目文档：批量统计labelme标注的json文件中类别数
最新发布
03-26
这个项目的出发点是：针对LabelMe标注工具生成的大量JSON标注文件设计的一个批处理执行程序，用于统计不同类别在标注数据集中出现的次数。 用户只需运行该exe文件，指定包含多个LabelMe JSON文件的目录，程序即可...
图像标注软件Labelme.exe
01-23
labelme是使用python写的基于QT的跨平台图像标注工具，可用来标注分类、检测、分割、关键点等常见的视觉任务，支持VOC格式和COCO等的导出，代码简单易读，是非常利于上手的良心工具。 labelme 是一款图像标注工具，...
python实现两张图片拼接为一张图片并保存
09-19
主要为大家详细介绍了python实现两张图片拼接为一张图片并保存，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
利用Python实现图像拼接
MOZHOUH的博客
05-24 1万+
利用python语言实现多张图像拼接_小饼干cookie的博客-CSDN博客_python拼接图像 主要参考上述博文，只是对于复现过程遇到的小问题的解决做一些补充。 拼接程序： from pylab import * from numpy import * from PIL import Image # If you have PCV installed, these imports should work from PCV.geometry import homography, warp fro
Python脚本25：将两张图片拼在一起
qq_41876456的博客
03-27 2348
import PIL.Image as Image import os # from IPython import embed # embed() # 定义图像拼接函数 def image_compose(imag, imag_1): src = os.path.join(os.path.abspath(IMAGE_SAVE_PATH), img) to_image = Image.new('RGB', (2 * h, 1 * w)) # 创建一个新图 # 把两张图片按顺序粘贴到
Python 把两张图片拼起来
Delisa的博客
12-27 2575
Linux系统下使用 Python 把两张图片拼起来
Python拼接图片
I'm zm
02-08 3万+
最近在写一篇卷积神经网络的论文，有好多实验结果需要整理，本来是用美图秀秀进行图像的拼接，但是发现重复操作太多，而且拼接效果不好，想到用python写个脚本实现，看一个简单的例子： 横向拼接 首先我需要将同一张图片的变形拼接为一行，代码如下： import os from PIL import ImageUNIT_SIZE = 229 # 单个图像的大小为229*229 TARGET_WIDTH =
使用python拼接两张图片
u010805109的博客
05-05 2144
# 拼接两张图片使用 from PIL import Image, ImageDraw,ImageFont def hebing(): img = Image.open("1.jpg") #图片1路径 img2 = Image.open("2.jpg") #图片2路径 rrr=Image.new('RGB',(kuan,gao),(255,255,255)...
python opencv2 将两张图片合并为一张
热门推荐
sinat_21720047的博客
07-15 4万+
转自 https://www.cnblogs.com/ailexy/p/6806622.html 在用python处理图像的时候，除了图片叠加和图片拼接两种情况之外，有时候还会碰到需要上下左右连接图片合成一张图片。opencv中的cv2.addWeighted()和cv2.add()函数处理效果是叠加，参考[1]中描述的是拼接图片(stitching images)，而接下来要讲的是连接图片(co...
Python把两张图片拼接为一张图片并保存
采菊东篱下，Python满乾坤！
01-21 2万+
这里主要用Python扩展库pillow中Image对象的paste()方法把两张图片拼接起来 from os import listdir from PIL import Image def pinjie(): # 获取当前文件夹中所有JPG图像 im_list = [Image.open(fn) for fn in listdir() if fn.endswith('....
请帮我写一个对labelme标注后包含图片和json文件重命名并另存为的python代码
07-08
以下是一个示例的Python代码，用于将labelme标注后的图片和JSON文件重命名并另存为指定目录： ```python import os import shutil def rename_and_save_files(directory, save_directory): # 遍历指定目录下的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FriendshipT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值