Python等比例缩放图片并修改对应的Labelme标注文件（v2.0）

最新推荐文章于 2024-06-04 13:03:32 发布
最新推荐文章于 2024-06-04 13:03:32 发布
阅读量1k 收藏 15
点赞数 19
分类专栏： Python日常小操作 文章标签： python 开发语言 json Labelme 目标检测
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/135019375
版权

Python等比例缩放图片并修改对应的Labelme标注文件（v2.0）

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。
  • Python OS模块是负责程序与操作系统的交互，提供了访问操作系统底层的接口和非常丰富的方法用来处理文件和目录。
  • 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）

Python等比例缩放图片并修改对应的Labelme标注文件

Json文件

{
    "version":"5.0.1",
    "flags":{

    },
    "shapes":[
        {
            "label":"1",
            "points":[
                [
                    551.3333333333339,
                    17
                ],
                [
                    1144.666666666667,
                    843.6666666666667
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    206.48387096774195,
                    1022.5806451612904
                ],
                [
                    111,
                    0
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    2364.666666666667,
                    17
                ],
                [
                    2704.666666666667,
                    1823.666666666667
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    698.272727272727,
                    3475.818181818182
                ],
                [
                    1167.759862778731,
                    841.8233276157805
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    293.1515151515159,
                    4000.818181818181
                ],
                [
                    707.363636363636,
                    848.5454545454545
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"4",
            "points":[
                [
                    109.70967741935465,
                    1025.8064516129032
                ],
                [
                    193.58064516129025,
                    2103.2258064516127
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    1895.3243243243242,
                    13.513513513513514
                ],
                [
                    2360.189189189189,
                    1208.1081081081081
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    1654.7837837837842,
                    710.8108108108108
                ],
                [
                    2351.7692307692305,
                    3007.6923076923076
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        }
    ],
    "imagePath":"1.jpg",
    "imageData":null,
    "imageHeight":4000,
    "imageWidth":8320
}

代码实现

import os
import cv2
import json

def resize_img_equal_proportion(in_img_path,out_img_path,resized_pix):
    '''
    in_img_path:图片输入路径
    out_img_path:图片结果保存路径
    resized_pix: 缩放后分辨率
    '''
    ori_img = cv2.imread(in_img_path) # 读取图片
    print(ori_img.shape)
    height, width = ori_img.shape[:2] # 原始分辨率
    # 等比例缩放到pix=400
    scale = resized_pix / height
    # 缩放后分辨率
    resized_height = resized_pix 
    resized_width = int(width * scale)
    img = cv2.resize(ori_img, (resized_width, resized_height))
    print(img.shape)
    cv2.imwrite(out_img_path, img)
    return resized_height,resized_width,scale

def alter_json_equal_proportion(img_name,in_json_path,out_json_path,resized_height,resized_width,scale):
    '''
    in_json_path: json文件输入路径
    out_json_path: json文件保存路径
    resized_height: 缩放后的高
    resized_width: 缩放后的宽
    scale: 图片缩放比例
    '''
    file_in = open(in_json_path, "r", encoding='utf-8')
    # json.load数据到变量json_data
    json_data = json.load(file_in)
    # 修改json中的内容
    json_data["imageHeight"] = resized_height
    json_data["imageWidth"] = resized_width
    json_data["imagePath"] = img_name
    for LabelBox in json_data['shapes']:
        for point in LabelBox['points']:
            point[0] = point[0]*scale
            point[1] = point[1]*scale
        
    file_in.close()

    # 创建一个写文件
    file_out = open(out_json_path, "w", encoding='utf-8')
    # 将修改后的数据写入文件
    file_out.write(json.dumps(json_data))
    file_out.close()



if __name__ =="__main__":
    in_img_dir = 'images/'
    in_json_dir = 'jsons/'
    
    out_dir_name = 'output/'

    if not os.path.exists(out_dir_name):
        os.mkdir(out_dir_name)

    img_name_list = os.listdir(in_img_dir)
    # print(img_name_list)
    
    json_name_list = os.listdir(in_json_dir)
    # print(json_name_list)

    img_list  = [i for i in img_name_list if i.endswith('.jpg') or i.endswith('.bmp') or i.endswith('.png') ] 
    # print(img_list)

    json_list = [i for i in json_name_list if i.endswith('.json')]
    # print(json_list)


    for img_name in img_list:
        try:
            # print(img_name)
        
            in_img_path =in_img_dir +  img_name # 获取文件路径
            in_json_path = in_json_dir + img_name[:-4]+'.json'

            out_img_path = out_dir_name +  img_name
            out_json_path = out_dir_name + img_name[:-4]+'.json'
            print(out_img_path,out_json_path)
            
            if os.path.exists(in_json_path): # 输入图片所对应的json文件存在，则为True。
                resized_height,resized_width,scale = resize_img_equal_proportion(in_img_path,out_img_path,resized_pix=2048)
                alter_json_equal_proportion(img_name,in_json_path,out_json_path,resized_height,resized_width,scale)
        
        except Exception as e:
            print(e)

输出结果

{
    "version":"5.0.1",
    "flags":{

    },
    "shapes":[
        {
            "label":"1",
            "points":[
                [
                    141.14133333333348,
                    4.352
                ],
                [
                    293.03466666666674,
                    215.9786666666667
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    52.85987096774194,
                    261.78064516129035
                ],
                [
                    28.416,
                    0
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    605.3546666666667,
                    4.352
                ],
                [
                    692.3946666666668,
                    466.85866666666675
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    178.75781818181812,
                    889.8094545454546
                ],
                [
                    298.94652487135517,
                    215.5067718696398
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    75.04678787878808,
                    1024.2094545454543
                ],
                [
                    181.08509090909084,
                    217.22763636363635
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"4",
            "points":[
                [
                    28.08567741935479,
                    262.60645161290324
                ],
                [
                    49.556645161290305,
                    538.4258064516129
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    485.203027027027,
                    3.4594594594594597
                ],
                [
                    604.2084324324325,
                    309.2756756756757
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        },
        {
            "label":"1",
            "points":[
                [
                    423.62464864864876,
                    181.96756756756758
                ],
                [
                    602.052923076923,
                    769.9692307692308
                ]
            ],
            "group_id":null,
            "shape_type":"rectangle",
            "flags":{

            }
        }
    ],
    "imagePath":"1.jpg",
    "imageData":null,
    "imageHeight":1024,
    "imageWidth":841
}
FriendshipT
关注
  • 19
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
python项目文档：批量统计labelme标注的json文件中类别数
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，程序即可自动遍历所有文件，解析其中标注的类别信息，并汇总统计各类别的数量。 其效果表现为输出一份清晰的类别统计报告或者可视化图表，便于用户快速了解数据集的类别分布情况，对于训练深度学习模型时选择或平衡样本数据极为有用。
图像数据标注软件 Labelme v5.0.5 单文件 exe 版
11-09
图像数据标注软件 Labelme v5.0.1 单文件 exe 版，无需 Conda 及 Python 环境，无需安装和编译，下载打开即可使用！
labelme对图像进行多类标注，python脚本进行标签图像转化
weixin_54672854的博客
01-09 428
labelme对图像进行多分类标注，json文件转化标签
使用 Python 和 LabelMe 进行图像标注与分析
Xiao_GuanA的博客
11-13 677
LabelMe 是一个开源的图像标注工具，它允许用户在图像上标注物体并为其分配类别。在本文中，我们将介绍如何使用 Python 和 LabelMe 进行图像标注与分析。通过本文，您应该了解了如何安装 LabelMe，使用 Python 与其进行交互，以及在图像上绘制标注。此外，我们还展示了如何保存和加载标注数据。LabelMe 是一个流行的图像标注工具，而 Python 则是一种广泛使用的编程语言。本文将介绍如何使用 Python 和 LabelMe 进行图像标注与分析，帮助您轻松地处理图像数据。
Python等比例缩放图片并修改对应的Labelme标注文件
FriendshipTang的博客
02-25 705
Python、OpenCV、OS、JSON
使用Python和OpenCV批量可视化labelme分割标注结果
叶子的博客
09-26 1204
【原创声明】 本文为博主原创文章，未经博主允许不得转载。 更多算法总结请关注我的博客：https://blog.csdn.net/suiyingy。 在计算机视觉领域中，图像分割是一项重要的任务，它可以将图像中的不同物体或区域进行像素级别的分割。而在图像分割任务中，人工标注数据是非常关键的一环。本文将介绍如何使用Python和OpenCV库对labelme分割标注结果进行批量可视化处理。 在开始之前，我们需要安装以下依赖库： - OpenCV：用于图像处理和可视
python工具方法 18 labelme语义分割标注数据批量转换为png
a486259的博客
11-24 2411
本实例代码主要使用labelme.utils.shapes_to_label方法实现批量将将labelme的语义分割标注数据转换为图片，支持将标注保存为实例分割训练图、语义分割训练图、语义分割+原图效果叠加图。
图像数据标注软件 Labelme v5.0.1 单文件 exe 版
03-11
图像数据标注软件 Labelme v5.0.1 单文件 exe 版，无需 Conda 及 Python 环境，无需编译，下载打开即可使用！
read_json_读labelme生成json文件的标注框_
09-30
对labelme图像进行标注，并将生成的json文件读取目标框的位置
图像数据标注软件 Labelme v4.6.0 单文件 exe 版
12-17
图像数据标注软件最新的 Labelme v4.6.0 单文件 exe 版，无需 Conda 及 Python 环境，无需编译，下载打开即可使用！
Python OpenCV剪裁图片并修改对应的Labelme标注文件
FriendshipTang的博客
10-25 1020
Python、OpenCV、Labelme、剪裁图片、修改标注文件
python实现labelme样本自动标注
Jayson_xia的博客
10-01 8481
python实现labelme样本自动标注 1、 json文件的结构简介； 2、 图片的I/O操作及相应的类型转换； 3、 基础的图像处理技术，能实现图像突出特征点或区域的检测； 4、 python基础
专属编程笔记
u014397365的博客
06-01 1090
在软件开发中，Utils（或Utilities）目录通常用于存放一些。这些工具类或函数为整个应用程序或多个模块提供便利的功能支持，使得代码更加模块化、易于维护和重用。UtilsUtils目录的设计目的在于避免代码重复，并确保在整个项目中以一致的方式处理共通任务。这样做可以提高开发效率，降低维护成本，并确保代码的整洁性和可读性。
算法-找出N个数组的共同元素
Python领域优质萌新创作者
06-02 494
3.1、使用集合的intersection_update方法，将当前编辑的新闻编号集合与common_news_set取交集，并更新common_news_set。1.1、使用集合的交集操作找出被所有编辑共同编辑过的新闻：遍历每个新闻集合进行交集操作，时间复杂度为O(K)，其中K为所有编辑操作的总数。3.2、这样，common_news_set中将保留与当前编辑共同编辑过的新闻编号，即找到所有编辑共同编辑过的新闻编号的交集。news_ids: 一个包含N个列表的列表，每个列表包含一个编辑编辑过的新闻编号。
Python自动化脚本：文件分类
svygh123的专栏
06-01 524
要使用Python根据文件类型进行分类，可以遍历指定目录下的所有文件，检查每个文件的扩展名，然后根据扩展名将文件移动到对应的文件夹中。
Python热重载调试新利器
weixin_53707653的博客
06-03 898
Reloading是一个Python工具库，它让我们可以在每次迭代之前从源代码中重新加载（或函数）而不丢失任何当前已执行过程。该工具对于在深度学习模型训练期间编辑源代码尤其好用，它让我们可以添加日志记录、打印统计数据或保存模型，而无需重新启动训练。
python的while循环与for循环总结
qq_31667253的博客
06-03 944
whilefor前两章中，我们跟着海绵宝宝的故事，掌握了while循环和for循环，这两种不同的循环模式。while循环和for循环都需要有和while。
Python检测变量：深入剖析与实战应用
最新发布
cvbhgnmk_bmgf的博客
06-04 435
除了以上四个方面、五个方面、六个方面和七个方面的检测技巧外，Python还提供了许多其他强大的功能和工具，帮助我们更好地管理和操作变量。本文将从四个方面、五个方面、六个方面和七个方面深入剖析Python中检测变量的技巧和方法，带领读者走进这个充满挑战与机遇的领域。通过掌握类型检测、值检测、作用域检测和内存检测等技巧和方法，我们可以更加熟练地处理Python中的变量问题，提高程序的正确性和性能。通过检测变量的内存使用情况，我们可以发现潜在的内存泄漏问题，并采取相应的措施进行优化。
using evo for visualization of SLAM trajectories
weixin_44444492的博客
06-03 920
【代码】using evo for visualization of SLAM trajectories。
python批量修改labelme标注的json文件中的points
07-14
要批量修改labelme标注的JSON文件中的points字段，你可以使用Python来进行操作。下面是一个示例代码： ```python import os import json def batch_modify_points(json_folder, scale_factor): for filename in os.listdir(json_folder): if filename.endswith('.json'): json_path = os.path.join(json_folder, filename) with open(json_path, 'r') as f: data = json.load(f) # 修改points字段 for shape in data['shapes']: points = shape['points'] modified_points = [[int(x * scale_factor), int(y * scale_factor)] for x, y in points] shape['points'] = modified_points # 保存修改后的JSON文件 with open(json_path, 'w') as f: json.dump(data, f, indent=4) # 示例用法 json_folder = '/path/to/json/folder' # JSON文件所在的文件夹路径 scale_factor = 0.5 # 缩放因子，用于修改points字段 batch_modify_points(json_folder, scale_factor) ``` 在示例代码中，你需要将`json_folder`替换为包含JSON文件的实际文件夹路径，并将`scale_factor`替换为适当的缩放因子。代码会遍历指定文件夹中的所有JSON文件，并将每个shape中的points字段按照缩放因子进行修改，然后保存修改后的JSON文件。 请注意，示例代码中假设points字段是由一对浮点数表示的(x, y)坐标。根据你的具体情况，你可能需要对代码进行适当的修改来处理其他形式的points字段。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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