如何标注自己的语义分割数据集（mmsegmentation）

想要标注自己的语义分割数据集，我们常借助的工具是labelme。

·下载Labelme

首先，我们下载labelme：打开网站https://github.com/wkentaro/labelme，进入labelme的github主页，然后下划，在右侧找到“Releases”并点击下方版本，之后选择对应自己系统的版本下载即可。

·运行Labelme并完成图片标注

下载并安装之后,打开labelme。首先点击“File”,取消勾选“Save With Image Data”选项，并勾选“Save Automatically”选项，这样可以减少文件大小，并且可以保证可以自动保存文件，避免丢失。

之后点击“Open Dir”，打开需要标注的图片所在的文件夹（注意：需要提前将图片保存在同一个文件夹中）.在“Edit”中，你可以选择不同的标注类型，如：多段线，矩形，圆，点等等。选择对应的标注工具，将不同事物的轮廓“画”出来，要尽量保证轮廓的平滑。“画”完之后对其命名。如果在标注过程中有失误或者需要修改的地方，你可以点击左侧的“Edit Polygons”对其进行修正，确认无误后，按“Ctrl+S”进行保存。之后，你在本地就可以找到一个json格式的文件，这就是labelme格式的json标注文件。

如果你觉得人工标注过程中轮廓“画”的没有那么完美，你可以选择“Edit”中的“AI-Polygon”，它可以自动帮我们标注，比如你想标注一块草地，你只需要点击这块草地，系统可以自动帮我们把草地标注出来，在这个过程中，你也可以多点几个区域使标注更合理,之后按回车键或者双击即可确定。

在标注完成一张图片之后，你可以按d进入下一张图片。

注意，点开一个json文件之后，你可以看到每一个标注的名称，标注工具类型，标注点坐标等信息。下划到最下方，可以看到这张图片的路径，这里的路径只能是图片名字本身，不能存在其他路径或符号。

现在，我们就标注好了json文件，但是labelme的json文件并不能直接用于语义分割模型训练，我们需要把json文件转换未整数掩膜mask格式,在像素层面上作类别标注，并且划分出训练几何测试集，才能用于后续的训练。

·代码实现labelme的json格式转mask格式

准备工作：打开网站github.com/TommyZihao/Label2Everything ，找到“labelme2mask”并打开，里面包含了分别对单张图像，训练集以及划分训练测试集的代码，全部下载到本地。

我们以处理单张图像为例，介绍如何将labelme格式的json文件转换为mask格式。

我们首先导入工具包：

import os

import json

import numpy as np

import cv2

import matplotlib.pyplot as plt

%matplotlib inline

之后载入我们刚刚标注的jpeg图片：

img_path=”***.jpeg”

# ***为你刚才自己设置的图片名称

之后创立一张与原图一样大小的空白图像：

img_mask = np.zeros(img_brg.shape[:21])

plt.imshow(img_mask)

plt.show()

之后载入labelme格式的json标注文件：

labelme_json_path = “***.json”

# ***同上

with open(labelme_json_path,”r”,encoding=”utf-8”) as f:

labelme = json.load(f)

labelme.keys()

dict_keys([“version” , ”flags” , “shapes” , “imagePath” , “imageData” , “imageHeight” , “imageWidth”])

每个类别的信息及画mask的顺序（按照由大到小，由粗到精的顺序）

# 0-背景，从 1 开始class_info = [

    {'label':'sky', 'type':'polygon', 'color':1},                    # polygon 多段线

    {'label':'road', 'type':'polygon', 'color':2},

    {'label':'building', 'type':'polygon', 'color':3},

    {'label':'tower','type':'polygon','color':4},

    {'label':'bus','type':'polygon','color':5},

    {'label':'car','type':'polygon','color':6},

    {'label':'tree','type':'polygon','color':7},

    {'label':'fence','type':'polygon','color':8},

    {'label':'wall','type':'polygon','color':9},

    {'label':'person','type':'polygon','color':10},

    {'label':'clock', 'type':'circle', 'color':11, 'thickness':-1},   # circle 圆形，-1表示填充

    {'label':'lane', 'type':'line', 'color':12, 'thickness':5},       # line 两点线段，填充线宽

    {'label':'sign', 'type':'linestrip', 'color':13, 'thickness':3}   # linestrip 多段线，填充线宽]

之后按顺序将mask画在空白图上面：

for one_class in class_info: # 按顺序遍历每一个类别

    for each in labelme['shapes']: # 遍历所有标注，找到属于当前类别的标注

        if each['label'] == one_class['label']:

            if one_class['type'] == 'polygon': # polygon 多段线标注

                

                # 获取点的坐标

                points = [np.array(each['points'], dtype=np.int32).reshape((-1, 1, 2))]

                

                # 在空白图上画 mask（闭合区域）

                img_mask = cv2.fillPoly(img_mask, points, color=one_class['color'])

                

            elif one_class['type'] == 'line' or one_class['type'] == 'linestrip': # line 或者 linestrip 线段标注

                

                # 获取点的坐标

                points = [np.array(each['points'], dtype=np.int32).reshape((-1, 1, 2))]

                

                # 在空白图上画 mask（非闭合区域）

                img_mask = cv2.polylines(img_mask, points, isClosed=False, color=one_class['color'], thickness=one_class['thickness'])

            

            elif one_class['type'] == 'circle': # circle 圆形标注

                

                points = np.array(each['points'], dtype=np.int32)

                

                center_x, center_y = points[0][0], points[0][1] # 圆心点坐标

                

                edge_x, edge_y = points[1][0], points[1][1]     # 圆周点坐标

                

                radius = np.linalg.norm(np.array([center_x, center_y] - np.array([edge_x, edge_y]))).astype('uint32') # 半径

                

                img_mask = cv2.circle(img_mask, (center_x, center_y), radius, one_class['color'], one_class['thickness'])

            

            else:

                print('未知标注类型', one_class['type'])

plt.imshow(img_mask)

plt.show()

然后保存mask标注图像(png格式）：

img_mask.shape

mask_path = img_path.split('.')[0] + '.png'

cv2.imwrite(mask_path, img_mask)

最后，载入mask标注图像：

mask_img = cv2.imread('uk1.png')

mask_img.shape

np.unique(mask_img)

plt.imshow(mask_img[:,:,0])

plt.show()

现在我们就完成了abelme格式的json文件到mask格式的转换。其他类型的转换也大同小异，你可参考github.com/TommyZihao/Label2Everything里面的教程一步步的进行。

最后，本教程参考了同济自豪兄和OpenMMLab的相关教程，非常感谢OpenMMLab提供的平台。向所有开源工作者致敬。