对labelme已经标注的图片和json文件做resize操作

尝试解决的问题

项目中要使用实例分割网络将图片中的目标分割出来，但是原图普遍非常大，大部分是 (5000pixels * 6000pixels) 这样的规格，如果直接传到网络中进行训练，计算量会非常大。所以考虑先离线resize好了之后作为数据集再训练网络，而不是在输入网络之间才resize（这样会很浪费时间）。

实现代码

废话少说，直接上代码即可：代码逻辑大概为先统计文件夹中的是图片的文件格式，例如有 {'jpg', 'JPG', 'png'} 这三种，接着使用 glob 库找到包含这几种后缀格式的所有图片文件，对这些照片使用 cv2.resize() 函数进行等比例缩放，缩放后保存到目标文件夹去。另外也要对json格式的标注文件中的点坐标进行缩放，直接坐标乘以缩放比例即可。最后值得注意的一点是，json标注文件中的 ['imageData'] 字段也要改成resize之后的图片哦，不然使用labelme 打开后的图片还是原来没有resize前的图，polygons 的位置跟大小是不对的。

import cv2
import os
import glob
import json
import collections
import numpy as np
from labelme import utils


if __name__ == "__main__":
    src_dir = './srcDir'
    dst_dir = './dstDir'
    
    if not os.path.exists(dst_dir):
        os.makedirs(dst_dir)
    # 先收集一下文件夹中图片的格式列表，例如 ['.jpg', '.JPG']
    exts = dict()
    filesnames = os.listdir(src_dir