labelme使用教程（实用版）

labelme使用教程

1 Labelme安装

1.1 打开Anaconda3自带的Anaconda Prompt

1.2 创建一个虚拟的py环境：

conda create –name=labelme python=3.7

1.3 安装pyqt：

conda install pyqt

1.4 安装labelme：

pip install labelme==3.16.2 -I https://pypi.tuna.tsinghua.edu.cn/simple
pip install labelme -I https://pypi.tuna.tsinghua.edu.cn/simple
(安装特定版本是为了将背景转换为二值图做铺垫，不然会报错的)

1.5 启动

打开Anaconda Prompt，然后输入activate labelme
然后输入Labelme

2 实现labelme批量json_to_dataset方法

2.1 修改json_to_dataset.py代码

在lableme安装目录下有D:\Anaconda\Lib\site-packages\labelme\cli目录，可以看到json_to_dataset.py文件

复制json_to_dataset.py文件，代码更改：

import argparse
import json
import os
import os.path as osp
import warnings
 
import PIL.Image
import yaml
 
from labelme import utils
import base64
 
def main():
    warnings.warn("This script is aimed to demonstrate how to convert the\n"
                  "JSON file to a single image dataset, and not to handle\n"
                  "multiple JSON files to generate a real-use dataset.")
    parser = argparse.ArgumentParser()
    parser.add_argument('json_file')
    parser.add_argument('-o', '--out', default=None)
    args = parser.parse_args()

    json_file = args.json_file
    if args.out is None:
        out_dir = osp.basename(json_file).replace('.', '_')
        out_dir = osp.join(osp.dirname(json_file), out_dir)
    else:
        out_dir = args.out
    if not osp.exists(out_dir):
        os.mkdir(out_dir)
 
    count = os.listdir(json_file) 
    for i in range(0, len(count)):
        path = os.path.join(json_file, count[i])
        if os.path.isfile(path):
            data = json.load(open(path))
            
            if data['imageData']:
                imageData = data['imageData']
            else:
                imagePath = os.path.join(os.path.dirname(path), data['imagePath'])
                with open(imagePath, 'rb') as f:
                    imageData = f.read()
                    imageData = base64.b64encode(imageData).decode('utf-8')
            img = utils.img_b64_to_arr(imageData)
            label_name_to_value = {'_background_': 0}
            for shape in data['shapes']:
                label_name = shape['label']
                if label_name in label_name_to_value:
                    label_value = label_name_to_value[label_name]
                else:
                    label_value = len(label_name_to_value)
                    label_name_to_value[label_name] = label_value
            
            # label_values must be dense
            label_values, label_names = [], []
            for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]):
                label_values.append(lv)
                label_names.append(ln)
            assert label_values == list(range(len(label_values)))
            
            lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)
            
            captions = ['{}: {}'.format(lv, ln)
                for ln, lv in label_name_to_value.items()]
            lbl_viz = utils.draw_label(lbl, img, captions)
            
            out_dir = osp.basename(count[i]).replace('.', '_')
            out_dir = osp.join(osp.dirname(count[i]), out_dir)
            if not osp.exists(out_dir):
                os.mkdir(out_dir)
 
            PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))
            #PIL.Image.fromarray(lbl).save(osp.join(out_dir, 'label.png'))
            utils.lblsave(osp.join(out_dir, 'label.png'), lbl)
            PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))
 
            with open(osp.join(out_dir, 'label_names.txt'), 'w') as f:
                for lbl_name in label_names:
                    f.write(lbl_name + '\n')
 
            warnings.warn('info.yaml is being replaced by label_names.txt')
            info = dict(label_names=label_names)
            with open(osp.join(out_dir, 'info.yaml'), 'w') as f:
                yaml.safe_dump(info, f, default_flow_style=False)
 
            print('Saved to: %s' % out_dir)
if __name__ == '__main__':
main()

然后替换之前json_to_dataset.py文件

3 生成标记分割图

找到labelme json_to_dataset.exe文件路径

打开anaconda之后，
（1）先输入D:
（2）然后cd D:\Anaconda3\Scripts
（3）然后labelme_json_to_dataset.exe D:\UAVpic\uav_train\New\labelme\json
之后的文件保存在scripts下面，用的相对路径保存了！

3.1 得到背景为0，目标为1的二值图

3.1.1 Labelme版本（3.16.2）

Labelme的低版本，才有draw.py，改里面的代码，实现目标为1。修改draw.py里面的代码

3.1.2 Labelme高版本的绘图设置

高版本的没有draw.py文件了，是在imgviz里面的label.py修改。

后面的位置可以搜索文件夹！！！
添加的一段代码如下：

4 Shortcuts

为了加快标注进程，加入快捷键
找到.labelmerc 文件 直接以记事本编辑

5 生成mask

5.1 添加标签和图片

把标签放在图片目录下

5.2 导入图片和标签到labelme

（1）Activate labelme
（2）然后d:
（3）cd D:\UAVpic\uav_train\New\labelme
（4）直接labelme 图片文件夹名（你自己的） --labels labels.txt --nodata --validatelabel exact
导入成功
标注时最好把图片和标注的json放在一起，方便修改标注！

5.3 批量生成最后的文件

python labelme2voc.py image target --labels labels.txt
image里面是标签和图片放在一起！