Label标注工具的批量转化处理与颜色和标签的对应

labelme的开源标注工具非常好用，但是有个问题就是在使用语义分割的的标注后，对一个文件夹的标注好的图片没有批量转换的工具，而且用labelme_json_to_dataset转化多张图片为dataset后，也会存在相同类型的label在不同图片中可能掩模颜色不一致。下面介绍我解决这些问题的代码。

---

源代码在github中

labelme_batch

---

1 批量转化json脚本

我自己用python自己写了一个可以批量转换的脚本，原理很简单，就是使用python的os模块来运行转化命令，代码如下：

import os, argparse

parser = argparse.ArgumentParser()
parser.add_argument("-p", "--path", help="dir path of imamges")
args = parser.parse_args()

json_names = list(filter(lambda x: '.json' in x, os.listdir(args.path)))
os.chdir(args.path)
if not os.path.exists('../labels'):
    os.mkdir('../labels')

for n in json_names:
    os.system('labelme_json_to_dataset {} -o ../labels/{}'.format(n, os.path.splitext(n)[0]))

运行的方法为：

python py文件的路径(绝对/相对) -p 图片文件夹路径(绝对/相对)

其中图片文件夹的路径，是通过label工具标注过后的图片文件夹路径，即既有图片又有相对应的json文件的那个文件夹。

最后运行后会在图片文件夹所在的目录下面生成一个名字叫labels的文件夹，里面就是每个标注图片转化而来的dataset。

2 掩膜图像颜色和标签的对应

使用1 中的批量转化json脚本后，可以很方便的批量将json转为dataset，但是labelme官方的转化命令有个问题就是在批量转化的dataset中，可能在不同的图片中生成的掩模图片中的label颜色就不一样，大概去github项目中看了源码，发现不太好改，所以还是自己写一个脚本。代码如下：

# -*- coding: utf-8 -*-
import json
import cv2
import numpy as np
import os
import argparse


def cvt_one(json_path, img_path, save_path, label_color):
    # load img and json
    data = json.load(open(json_path))
    img = cv2.imread(img_path)

    # get background data
    img_h = data['imageHeight']
    img_w = data['imageWidth']
    color_bg = (0, 0, 0)
    points_bg = [(0, 0), (0, img_h), (img_w, img_h), (img_w, 0)]
    img = cv2.fillPoly(img, [np.array(points_bg)], color_bg)

    # draw roi
    for i in range(len(data['shapes'])):
        name = data['shapes'][i]['label']
        points = data['shapes'][i]['points']
        color =  data['shapes'][i]['fill_color']
        # data['shapes'][i]['fill_color'] = label_color[name]  # 修改json文件中的填充颜色为我们设定的颜色
        if label_color:
            img = cv2.fillPoly(img, [np.array(points, dtype=int)], label_color[name])
        else:
            img = cv2.fillPoly(img, [np.array(points, dtype=int)], (color[0], color[1], color[2]))
    cv2.imwrite(save_path, img)


if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument("-p", "--path", help="dir path of imamges")
    args = parser.parse_args()

    # path
    file_dir = args.path
    save_dir = os.path.join(os.path.split(args.path)[0], 'labels')

    files = os.listdir(file_dir)
    if not os.path.exists(save_dir):
        os.mkdir(save_dir)
    img_files = list(filter(lambda x: '.png' in x, files))
    label_color = {
        'forest': (225, 225, 0),
        'building': (225, 0, 0),
        'farm': (0, 255, 0),
        'road': (0, 0, 255)
    }

    for i in range(len(img_files)):
        img_path = file_dir + '/' + img_files[i]
        json_path = img_path.replace('.png', '.json')
        save_path = save_dir + '/' + img_files[i]
        print('Processing {}'.format(img_path))
        cvt_one(json_path, img_path, save_path, label_color)

运行的方法与上面的脚本一样：

python py文件的路径(绝对/相对) -p 图片文件夹路径(绝对/相对)

其中图片文件夹的路径，是通过label工具标注过后的图片文件夹路径，即既有图片又有相对应的json文件的那个文件夹。

最后运行后会在图片文件夹所在的目录下面生成一个名字叫labels的文件夹，里面就是每个标注图片转化而来的掩模图像。

还有一点不同就是，可以修改代码中的label_color来配置相应的label对应的颜色，而没有在label_color中配置的label默认使用json文件里面对应的fill_color颜色。

参考：

语义分割标注：通过labelme生成的json文件，生成标注图像 ； 更新批量处理操作