使用labelme标注文件制作图像二值图

风吹的我冷

已于 2023-05-25 11:48:25 修改

阅读量908

点赞数

文章标签： python 图像处理神经网络深度学习人工智能

于 2023-02-21 12:16:09 首次发布

本文链接：https://blog.csdn.net/qq_41980080/article/details/129135373

版权

该段代码主要用于将使用Labelme工具标注的图像转换成二值图。它读取.json文件，解析标注信息，然后利用OpenCV的fillPoly函数在原始图像上填充标记区域，生成二值图像并保存。整个过程涉及文件操作、numpy数组处理和OpenCV图像处理技术。

摘要由CSDN通过智能技术生成

将labelme标注的区域图像转换为二值图，原图，标记图像，二值图，如下：

原图

标记图像

json

二值图

import os
import numpy as np
import json
import cv2
labelme_path ="/home/work/预言故障图/20230220/labelme/"
saved_path = "/h

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

风吹的我冷

关注关注

0
点赞
踩
10

收藏

觉得还不错? 一键收藏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

labelme画出的标注json转换成二值标签图，并解决label全黑问题

qq_43571311的博客

09-09

7301

1、打开cmd，进入存放json文件的文件夹 2、在cmd输入： labelme_json_to_dataset <文件名>.json 3、自动完成json文件的转换，可以得到4个文件： img.png label.png label_viz.png label_names.txt 这时候得到的label是彩色的，不能作为标签图，需要为其分配不同的标签类别，如0、1、2… 4、转二值标签图直接上代码： #!/usr/bin/python # -*- coding: UTF-8 -*- imp

labelme分割json转换成mask二值图

weixin_68494476的博客

04-17

327

【代码】labelme分割json转换成mask二值图。

2 条评论您还未登录，请先登录后发表或查看评论

cv2.fillPoly(): 将labelme标注的分割目标转化为png/jpg格式的二值化分割图像

JLGao的博客

03-28

504

labelme分割点转二值图像

labelme批量json转二值png数据集及遇到的问题总结

m0_54587783的博客

03-11

801

做项目时需要将labelme标注的json数据转换为二值掩码图，找了一些相关的博客，总结一下，方便自己之后回顾

python使用opencv将Labelme生成的分割图转化成二值化分割图

weixin_46716951的博客

03-22

6565

说明：使用labelme标注好车道线之后生成‘“.json”注释文件，运行labelme2voc.py生成语义分割或者实例分割图，如下图所示：此时使用opencv将这些图转化成二值化分割图，代码如下： import cv2 import os def convert_png2seg(input_dir,output_dir): files = os.listdir(input_dir) for file in files: part = file.split('.'

windows安装labelme打标签并生成二值（黑白）标签图（也是一种特殊的灰度图）

Everyday try to become better -Kobe Bryant

05-28

4447

1创建conda子环境 conda create -n labelme python=3.7 输入y回车 2激活conda子环境 conda activate labelme 3安装依赖包 conda install pyqt conda install pillow 4安装labelme pip install labelme 网络错误如果出现如下报错 WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None

基于labelme的json2图片

如果想成为中心，那么就到中心去吧。

04-23

460

1.单个文件 json2dataset 1)进入到json格式文件所在的目录 2）在所选框处，输入cmd,并回车 3）输入命令，labelme_json_to_dataset <文件名>.json 转化完成

使用labelme标注工具制作图像分割标签数据

weixin_46100896的博客

12-27

2717

labelme是一款python编写的用于图像检测、分割等神经网络标签数据制作的软件，可以实现点选形成闭合的多边形轮廓，并（批量）生成png标签图像的额功能，能够基本满足一般图像分割网络的需求。 1 labelme的安装 1 安装Anaconda 下载安装即可。 2 安装labelme 打开Anaconda->Anaconda Prompt，依次输入： conda create --name...

深度学习 数据标注工具 Labelme可执行文件图像数据标注exe文件

02-22

Python 将labelme产生的label（红色区域）转化为二值图

10-22

Python 将labelme产生的label（红色区域）转化为二值图

在Win10系统中使用labelme制作图像分割标签数据_lableme3

2401_84181536的博客

04-28

410

本文主要介绍如何使用labelme制作语义分割的标签数据，并通过代码将生成的json文件批量转换成可使用的图像标签。

在Win10系统中使用labelme制作图像分割标签数据_lableme3(1)

最新发布

2401_84164721的博客

05-01

526

labelmeimport osifmain()labelme_json_to_dataset.exe import osimport cv2。

labelme相关：修改mask颜色，转为二值

weixin_43444314的博客

05-31

466

在\anaconda\envs\labelme\Lib\site-packages\imgviz 下打开label.py文件，修改为 for i in range(0, n_label): id = i r, g, b = 0, 0, 0 for j in range(0, 8): if i == 1: r = 255 g = 255

Labelme对图像标注、json转化png格式

kyxdjy的博客

08-22

4539

Labelme对图像标注、json转化png格式

labelme生成的json文件批量转图片

weixin_43549170的博客

04-02

1522

labelme生成的json文件批量转图片由于labelme所给的工具每次只能对一个json文件生成mask的二值图，多个json文件生成的mask二值图还会存在于不同的文件夹内，mask.png文件还要单独取出来。本代码根据labelme所给的json_to_dataset.py文件修改而来。 **代码主要功能：**将labelme生成的json文件批量转换为mask的8bit二值图，并且所有mask保存在同一个文件夹内。 1 labelme标记完的图片放到同一个文件夹内. 2 修改代码中的json_

labelme 数据分割图像标注及转换

heivsbai的博客

02-11

924

图像分割标注数据，使用灰度值表示其类别，因为亮度较暗，直接看几乎为黑色。安装labelme后，新建python脚本，运行上述代码，打开labelme标注窗口。

labelme 标注的数据集转化为Mask-Rcnn适用的数据集

Jacgu的博客

01-04

929

labelme生成的数据集，转化为maskrcnn适用的数据集。一个代码全搞定

自建数据集系列：从labelme格式-＞VOC格式+从二值mask-＞VOC格式

qq_40265247的博客

11-19

4570

VOC 训练、验证划分 splitData.py import os import random trainval_percent = 1.0 train_percent = 0.8 xmlfilepath = 'VOC2007/Annotations' txtsavepath = 'VOC2007/ImageSets/Main' total_xml = os.listdir(xmlfilepath) num=len(total_xml) list=range(num)

labelme批量标注制作vol标签

06-12

要使用Labelme批量标注制作vol标签，您可以按照以下步骤进行操作： 1. 安装Labelme工具首先，您需要安装Labelme工具，可以在其官网下载并安装：https://github.com/wkentaro/labelme 2. 创建vol标签在Labelme中，您可以通过点击“Create Polygons”按钮来创建多边形标签。为了创建vol标签，您需要在“Label List”中添加一个新标签，将其命名为“vol”或其他您想要的名称。 3. 批量标注现在，您可以将需要标注的图像文件放置在同一个文件夹中，并使用以下命令批量运行Labelme： ``` labelme --json_dir /path/to/json/files --labels /path/to/labels.txt ``` 在上述命令中，`--json_dir`参数指定JSON文件的保存路径，`--labels`参数指定标签文件的路径。在运行Labelme后，您可以使用多边形工具为每个图像文件创建vol标签。 4. 导出标注结果完成标注后，您可以使用以下命令将标注结果导出为VGG Image Annotator（VIA）格式的JSON文件： ``` labelme_json_to_dataset /path/to/json/files -o /path/to/output/dataset ``` 在上述命令中，`labelme_json_to_dataset`是Labelme提供的一个工具，用于将JSON文件转换为VIA格式。`/path/to/json/files`参数指定JSON文件的保存路径，`-o`参数指定导出的数据集文件夹的路径。 5. 训练模型最后，您可以使用上述导出的VIA格式数据集来训练深度学习模型，用于自动识别vol标签。具体的训练方法和工具依赖于您所选择的深度学习框架和模型。