labelme下载使用以及批量转换文件详细过程

下载：

第一：先去安装好anaconda   

anaconda下载地址如下：[https://www.anaconda.com/products/distribution]

找到自己电脑的版本，直接下载，下载后安装，正常情况下，根据提示，一直 next 就可以，直到提示安装完成

第二：labelme 安装前，需要先创建 一个anaconda 虚拟环境 ，进入 Anaconda Prompt，输入如下命令，该命令表示创建虚拟环境，名字可以自己选择

conda create -n labelme python=3.9

创建完成后激活该虚拟环境

conda activate labelme

第三：下载一些需要的包

conda install pyqt
conda install pillow

第四：下载labelme,选择这个版本比较稳定

conda install labelme=3.16.7
conda 错误时可以选择用pip
pip install labelme==3.16.7

如果下载后无法打开可能是虚拟环境python版本问题，可以尝试删除现在的虚拟环境，创建一个稍低版本的python虚拟环境

使用：

文件格式转换

第一：首先在自己安装labelme的虚拟环境中找到ananonda安装目录下的envs文件夹中的虚拟环境文件

E:\anaconda\envs\labelme\Lib\site-packages\labelme\cli

第二：替换json_to_dataset.py文件并保存

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()

第三：找到labelme_json_to_dataset.exe文件，和第一步一样

第四：打开anaconda prompt，激活虚拟环境，

使用cd命令切换路径：cd E:\anaconda\envs\labelme\Scripts

执行：labelme_json_to_dataset.exe +json文件的路径

json文件转换成功