【深度学习】labelme自制语义分割数据集代码

RainyMacondo

已于 2023-05-20 10:40:16 修改

阅读量369

点赞数

分类专栏：深度学习文章标签：深度学习 python 图像处理数据集制作

于 2021-11-11 09:51:40 首次发布

本文链接：https://blog.csdn.net/weixin_44211644/article/details/121261861

版权

深度学习专栏收录该内容

28 篇文章 2 订阅

订阅专栏

该博客介绍了一种使用LabelMe 3.16.7版本将JSON注释转换为8位彩色标签图的方法。代码读取JSON文件，解析形状并创建对应类别的标签，然后保存为PNG图像。类别包括背景、车辆、行人、建筑和树木。转换过程涉及将图像数据解码、转换为numpy数组，并根据形状生成标签图。最后，将结果图像保存为JPG和PNG格式。

摘要由CSDN通过智能技术生成


```python
import argparse
import base64
import json
import os
import os.path as osp
import warnings

import numpy as np
import PIL.Image
import yaml
from labelme import utils

'''
我使用的labelme版本是3.16.7，建议使用该版本的labelme，有些版本的labelme会发生错误
此处生成的标签图是8位彩色图，每个像素点的值就是这个像素点所属的种类
'''
if __name__ == '__main__':
    jpgs_path = "./0/JPG"
    pngs_path = "./0/PNG"
    classes = ["_background_","car", "people",
               "building", "tree"]
    
    count = os.listdir("./0")
    for i in range(0, len(count)):
        path = os.path.join("./0", count[i])

        if os.path.isfile(path) and path.endswith('json'):
            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)
            
                
            PIL.Image.fromarray(img).save(osp.join(jpgs_path, count[i].split(".")[0]+'.jpg'))

            new = np.zeros([np.shape(img)[0],np.shape(img)[1]])
            for name in label_names:
                index_json = label_names.index(name)
                index_all = classes.index(name)
                new = new + index_all*(np.array(lbl) == index_json)

            utils.lblsave(osp.join(pngs_path, count[i].split(".")[0]+'.png'), new)
            print('Saved ' + count[i].split(".")[0] + '.jpg and ' + count[i].split(".")[0] + '.png')

实际使用时修改红线部分即可，即输出数据集的jpg，png，标注的类别classes(第一个写_background_)，json原文件的位置。经试验，labelme版本必须为3.17.6，否则会出现无法排查的bug。

在这里插入图片描述

输出结果示例：   
![在这里插入图片描述](https://img-blog.csdnimg.cn/d76605f7d5844f90a730d9c5775e66bb.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/d6dd862f8aac44c5bc25795b99c5c304.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/df6a4b0413e949fda5a2ea0ef45a4a74.png)