labelme标注格式的数据集转COCO格式脚本

1. MyEncoder 类
   - 这是一个自定义的 JSON 编码器类,用于处理 NumPy 数据类型。
   - 当将 NumPy 数组或其他 NumPy 数据类型转换为 JSON 格式时,默认的 JSON 编码器无法正确处理。这个自定义的编码器可以解决这个问题。

2. labelme2coco 类
   - 这是执行从 Labelme JSON 格式到 COCO JSON 格式转换的主要类。

  __init__
     - 初始化类实例,传入 Labelme JSON 文件列表和保存 COCO JSON 文件的路径。

    - **data_transfer**:
     - 处理每个 Labelme JSON 文件,提取图像信息、类别信息和标注信息。

   - **image、categorie、annotation**:
     - 分别从 Labelme JSON 文件中提取图像信息、类别信息和标注信息。

   - **getcatid**:
     - 根据标签获取类别 ID。

   - **getbbox、mask2box**:
     - 计算给定点集或掩码的边界框。

   - **polygons_to_mask**:
     - 将多边形转换为掩码。

   - **data2coco**:
     - 将提取的信息组合成 COCO 格式的字典。

   - **save_json**:
     - 将 COCO 格式的字典保存为 JSON 文件。

3. **主代码块**:
   - 从 `D:\\desktop\\2023\\Pigseg\\images` 目录下获取 Labelme JSON 文件列表。
   - 调用 `labelme2coco` 类,将 Labelme JSON 文件转换为 COCO JSON 格式,并保存到 `D:\\desktop\\2023\\Pigseg\\train.json` 路径下。

,这个脚本的主要功能是将 Labelme 标注格式的 JSON 文件转换为 COCO 标注格式的 JSON 文件,以便在 COCO 数据集框架下使用这些标注数据。这种转换对于将Labelme 创建的标注应用于 COCO 数据集相关的计算机视觉任务非常有帮助。
 

如果要分为训练集train、验证集val,按一定的比例如7：3，

我数据集中是一张图片对应一个json文件，则把70%的json文件和图片放到一个文件夹train,把剩下的30%的json文件放到val.下面的脚本文件需要放置对应的路径，记得分别修改路径和对应的train.json和val.json.

脚本运行后则会生成train.json和val.json两个文件夹，这两个文件夹中对应的就是整合的每张图片的大的json文件，之后就可以到coco格式的模型上进行训练，还需要修改部分函数如coco.py，num_classes.py等。

如果数据集图片是png，则修改一下脚本中的相应位置即可。

# coding=gbk
import argparse
import json
import matplotlib.pyplot as plt
import skimage.io as io
import cv2
import labelme.utils as utils
import numpy as np
import glob
import PIL.Image
import os


# import PIL

#