自己制作语义分割语义分割数据集

最近在用deeplab，需要自己标注数据集，整理一下。

制作语义分割数据集大致需要

（1）使用labelme对数据进行标注，生成对应图片的json格式。

（2）执行label下的labelme_json_to_dataset.py文件，生成图片对应文件夹。

（3）通过第二步生成的文件夹，生成语义图片。

（4）将语义图片转化成灰度图。

---------------------------------------------------分割线------------------------------------------------------------------

详细步骤：

（1）下载并安装labelme。windows下labelme安装可以参见我的另一篇博客点击打开链接。

         因为我是使用anaconda安装的labelme。在anaconda命令行敲出labelme后，就会出现labelme的界面。打开你需要标注的图片，并进行标注。类似于下面这样

点击Save后会生成改图片对应的json文件。

（2）执行labelme_json_to_dataset.py。我写了一个批量执行的文件，代码如下：

#coding:utf-8
import os

path = 'D:\\data' #path是你存放json的路径
json_file = os.listdir(path)

for file in json_file:
    os.system("python E:\Anocado\Anocado3\envs\labelme\Scripts\labelme_json_to_dataset.py %s"
              % (path + file))         #使用自己的labelme路径

执行后的结果会生成对应图片的文件夹，里面包括四个文件：img，info，label，label_viz

（3）对生成的文件进行处理。下载https://github.com/hitzoro/FCN-ColorLabel.git中的文件（这个链接从某博客查的，但是忘记博客链接了，原作者见谅）

        该链接下有两个文件，我主要对x.py文件进行了修改

import colorlabel
import PIL.Image
import yaml
import os

label_color = {
    #这个是你自己的类别和对应的颜色
    #例如，'Dog': 'maroon'
    #注意：这里的颜色需要是下面颜色列表color中的颜色
}
path = 'D:\\data\\'	#你执行第二步时的存储路径
label_path = os.listdir(path)
for label_class in label_path:
    img = PIL.Image.open('%s\\label.png' % (path + label_class))
    import numpy as np
    from skimage import io,data,color
    label = np.array(img)

    yaml_file = path + label_class + '\\' + 'info.yaml'
    print(yaml_file)
    with open(yaml_file) as f:
        f = yaml.load(f)
        classes = f['label_names']

    color = [] #颜色列表
    c = 1
    for i in classes:
        if c == 1:
            c = c+1
            continue

        color.append(label_color[i])

    #print (color)   #颜色列表
    dst = colorlabel.label2rgb(label, colors=(tuple)(color), bg_label = 0,bg_color =(0,0,0))
    #final = PIL.Image.fromarray(np.uint8(dst * 255))
    #final.show()
    #final.save('000001.png')
    save_path =  'D:\\data' + '\\' + label_class[:-5] + '.png'	#你希望将标注图片存储的路径
    #print('11111%s' % save_path)
    io.imsave(save_path, dst)

执行x.py后，便会生成对应图片的标注图片

（4）由于deeplab中的标注图片需要是灰度图，所以我们需要将第三步生成的标注图片转为灰度图。这一步需要两个文件convert_labels.py和utils.py。这两个文件在点击打开链接中可以找到。

执行

python convert_labels.py original_path name.txt to_path

其中original_path是第三步的存储路径，name.txt中每一行记录一个图片名，to_path是你希望把灰度图存储到那个路径

实际执行时，发现第三个参数只会建立一个目录，而生成的灰度图覆盖了原文件中的图片，所以对原文件图片要做好备份

（5）以上就生成了灰度图，为了检验生成的是否正确，可以在python中执行以下命令

import numpy as np
from PIL import Image

img = Image.open('your path')
img = np.array(img)
np.unique(img)

会出现以下的结果

上面的数字为类别号，对应之前标注的图片中包含的类别。

大功告成！