制作语义分割数据集，将labelme的json标记文件转png格式，并不改变深度裁剪为512*512大小

1. 批处理将labelme标记完的json文件转为png图片

使用b导语义分割库里的代码批量处理json文件

import base64
import json
import os
import os.path as osp

import numpy as np
import PIL.Image
from labelme import utils

'''
制作自己的语义分割数据集需要注意以下几点：
1、我使用的labelme版本是3.16.7，建议使用该版本的labelme，有些版本的labelme会发生错误，
   具体错误为：Too many dimensions: 3 > 2
   安装方式为命令行pip install labelme==3.16.7
2、此处生成的标签图是8位彩色图，与视频中看起来的数据集格式不太一样。
   虽然看起来是彩图，但事实上只有8位，此时每个像素点的值就是这个像素点所属的种类。
   所以其实和视频中VOC数据集的格式一样。因此这样制作出来的数据集是可以正常使用的。也是正常的。
'''
if __name__ == '__main__':
    jpgs_path   = "datasets/JPEGImages"
    pngs_path   = "datasets/SegmentationClass"
    classes     = ["_background_","aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
    
    
    count = os.listdir("./datasets/before/") 
    for i in range(0, len(count)):
        path = os.path.join("./datasets/before", count[i])

        if os.path.isfile(path) and path.endswith('json'):
            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)
            
                
            PIL.Image.fromarray(img).save(osp.join(jpgs_path, count[i].split(".")[0]+'.jpg'))

            new = np.zeros([np.shape(img)[0],np.shape(img)[1]])
            for name in label_names:
                index_json = label_names.index(name)
                index_all = classes.index(name)
                new = new + index_all*(np.array(lbl) == index_json)

            utils.lblsave(osp.join(pngs_path, count[i].split(".")[0]+'.png'), new)
            print('Saved ' + count[i].split(".")[0] + '.jpg and ' + count[i].split(".")[0] + '.png')

文件格式为：此代码与datasets文件同目录，before内放原图和json文件，运行代码后另外两个文件夹内会输出处理后的图片

2. 裁剪为512*512大小

用cv2.imwrite会保存为24位的，很坑

# 将图片裁剪为512大小

import numpy as np
import os
from PIL import Image

base_dir = './SegmentationClass_Origin/'   # 要裁剪的图片所在的文件夹
pic_target = './SegmentationClass/' # 分割后的图片保存的文件夹
if not os.path.exists(pic_target):  #判断是否存在文件夹如果不存在则创建为文件夹
        os.makedirs(pic_target)
imgs = os.listdir(base_dir) # 获取当前文件目录下所有文件的名称列表
index = 0

for img in imgs:
    # if(index > 1):
    #      break
    pic_path = base_dir + img # 分割的图片的位置
    (pic_name, pic_PNGorJPG) = os.path.splitext(pic_path)
    (a, pic_name) = os.path.split(pic_name)

    image = Image.open(pic_path)

    #要分割后的尺寸
    cut_width = 512
    cut_length = 512

    width, length = image.size
    
    # 计算可以划分的横纵的个数
    num_width = int(width / cut_width)
    num_length = int(length / cut_length)

    for i in range(0, num_width):
        for j in range(0, num_length):
            new_image = image.crop((i*cut_width, j*cut_length, (i+1)*cut_width, (j+1)*cut_length))    
            result_path = pic_target + '{}_{}{}'.format(pic_name,i *num_length+j+  1, pic_PNGorJPG)
            new_image.save(result_path)

    index = index + 1
    print("已裁剪{}张图片".format(index))