手把手教你如何用Labelme标记自己的数据集

接下来以本人的分割数据集为例演示：

#Labelme的安装与使用

1、首先创建一个名称为labelme的虚拟环境并切到该环境下

2、使用pip命令下载labelme的包

pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple

3、确认环境安装成功，可通过pip list命令查看

4、输入labelme自动打开操作界面

5、点击打开目录选中自己的数据集进行标注（此步骤略过）

6、标记完成后导出文件并保存，此时文件夹中应该是每张图像对应的json文件夹，内部如下图：

其中lable.png为标记后的实例分割图像

#数据的后处理

1、首先需要将所有的实例分割图像提取到一个单独的文件夹，参考代码如下：

import os
import shutil


def extract_and_rename_labels(source_directory, target_directory):
    # 确保目标文件夹存在
    if not os.path.exists(target_directory):
        os.makedirs(target_directory)

    # 遍历源目录中的所有文件夹
    for folder_name in os.listdir(source_directory):
        folder_path = os.path.join(source_directory, folder_name)

        # 确保是文件夹
        if os.path.isdir(folder_path):
            label_path = os.path.join(folder_path, 'label.png')

            # 检查label.png文件是否存在
            if os.path.exists(label_path):
                # 设置目标文件路径，文件名与子文件夹名称相同
                target_file_path = os.path.join(target_directory, f"{folder_name}.png")

                # 复制文件
                shutil.copy(label_path, target_file_path)
                print(f"Copied '{label_path}' to '{target_file_path}'")


# 使用示例
source_directory = 'lala'
target_directory = 'coco'
extract_and_rename_labels(source_directory, target_directory)

运行代码后可以得到一个实例分割图像文件夹如下：

2、将所有的实例分割图像转化为只有像素为0,1的黑白图像，操作代码如下：

import os
import cv2

# 源文件夹路径
source_folder = 'coco'

# 遍历源文件夹中的所有图片文件
for filename in os.listdir(source_folder):
    filepath = os.path.join(source_folder, filename)

    # 检查文件是否为图像文件
    if os.path.isfile(filepath) and (filename.endswith('.png') or filename.endswith('.jpg')):
        # 读取图片
        img = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)

        # 将像素值为 128 的地方设置为 1，其他地方设置为 0
        img[img == 128] = 1
        img[img != 1] = 0

        # 保存标签图像到原始文件路径
        cv2.imwrite(filepath, img)

        print(f'Converted {filename}')

操作后结果如下：

3、最后按照自己需要的比例分为验证集和训练集就可以