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