labelme注释格式转coco数据格式 再版

前面已经写过一篇了，但是那个程序存在问题：必须要手动输入你的标签，而且又受到依赖包的限制，很不方便。再加上现在我对数据有了新的需求，所以再总结一篇。
参考博文代码：目标检测前奏：labelme的矩形框标记好数据以后，转成COCO格式
根据自己需求，加进了别的功能：随机分json注释为训练集和验证集，对应其图像也分为训练集和验证集。

import os
import sys
import json
import cv2
import base64
import numpy as np
import glob
import PIL
from PIL import Image, ImageDraw
from sklearn.model_selection import train_test_split
import shutil

def base64_cv2(base64_str):
    """
    base64转cv2
    """
    imgString = base64.b64decode(base64_str)
    # nparr = np.fromstring(imgString, np.uint8)
    nparr = np.frombuffer(imgString, np.uint8)  # fromstring有弃用命令警告，替换为frombuffer
    image = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
    return image


class MyEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, np.integer):
            return int(obj)
        elif isinstance(obj, np.floating):
            return float(obj)
        elif isinstance(obj, np.ndarray):
            return obj.tolist()
        else:
            return super(MyEncoder, self).default(obj)


class labelme2coco(object):
    def __init__(self,labelme_json,save_json_path):
        """
        :param labelme_json: 所有labelme的json文件路径组成的列表
        :param save_json_path: json保存位置