Mask R-CNN标注工具使用说明

本文介绍Mask R-CNN标注工具labelme在ubuntu与Windows使用。

labelme的git:https://github.com/wkentaro/labelme

ubuntu：

1、安装labelme

ubuntu16.04 系统自带的python2.7环境

sudo
apt-get install python-qt4 pyqt4-dev-tools

sudo
pip install labelme  # python2 works

2、运行Rename文件，将图片重新命名(目的是为了不让一些命名符号干扰到labelme)

# -*- coding: utf-8 -*-
import os
import shutil
path='./'##更改为自己图片的目录，最好是绝对路径
files=os.listdir(path)
for num,file in enumerate(files):
    if os.path.splitext(file)[-1]=='.jpg':
        last_name=os.path.join(path,file)
        now_name=os.path.join(path,str(num)+'.jpg')
        if now_name==last_name:
            continue
        #shutil.copy(last_name,now_name)
        os.rename(last_name,now_name)

3、运行labelme:

3.1在终端中输入 labelme

3.2出现labelme的界面

3.3点击Opendir进入图片的目录开始标注

标注注意事项：

假如你要标注的对象为人和狗，在画掩码过程中，一幅图像中如果有多个person、dog，命名规则为person1、person2…… dog1、dog2……。因为labelme生成的标签为一个label.png文件，这个文件只有一通道，在你标注时同一标签mask会被给予一个标签位，而mask要求不同的实例要放在不同的层中。最终训练索要得到的输入为一个w*h*n的ndarray，其中n为该图片中实例的个数。

3.4 标注结束后会在对应目录产生一个图片的json文件

4 运行json_to_data.sh文件

在终端中输入：./json_to_data.sh（将路径更改为图片的路径(跟上面Rename一样的目录即可)就可以批次处理）

#!/bin/bash
s1="/home/hx/Mask/" 
s2=".json" 
for((i=0;i<12;i++)) 
do 
s3=${i} 
labelme_json_to_dataset ${s1}${s3}${s2} 
done

可得到一个文件夹，里面有五个文件，分别是：
*.png
info.yaml
label.png
label_names.txt
label_viz.png

其中 label.png 和 info.yaml 是我们需要用到的！ 标注已经完成！

label.png相当于mask 文件，可视化为：

Windows下

1、安装labelme(我自己用的python3)

python2

pip install pyqt
pip install labelme

python3

pip install pyqt5
pip install labelme

2、同Ubuntu一样

3、同ubuntu一样

4、批次处理的时候

后面输入保存图片与json文件的路径，生成的Mask文件夹也放在该文件下如下图所示：

5  修改源代码

labelme的源代码只能处理一个json文件，而且labelme_json_to_dataset.exe后面输入的是json文件的绝对路径。所以只能处理一个json文件，因此修改了源代码。

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

import PIL.Image
import yaml

from labelme import utils


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
    files=os.listdir(json_file)
    for file in files:
        if os.path.splitext(file)[-1]=='.json':
            path=os.path.join(json_file,file)
            if args.out is None:
                out_dir = osp.basename(path).replace('.', '_')
                out_dir = osp.join(osp.dirname(path), out_dir)
            else:
                out_dir = args.out
            if not osp.exists(out_dir):
                os.mkdir(out_dir)

            data = json.load(open(path))

            if data['imageData']:
                imageData = data['imageData']
            else:
                imagePath = os.path.join(os.path.dirname(json_file), 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 sorted(data['shapes'], key=lambda x: x['label']):
                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
            lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)

            label_names = [None] * (max(label_name_to_value.values()) + 1)
            for name, value in label_name_to_value.items():
                label_names[value] = name
            lbl_viz = utils.draw_label(lbl, img, label_names)

            PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.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()

把上述代码替换之前json_to_dataset.py文件。(之前的json_to_dataset.py在C:\Users\Han\Anaconda3\envs\tensorflow\Lib\site-packages\labelme\cli)这样替换完，执行4的命令就可以完成批处理。

参考博客：

https://blog.csdn.net/u011574296/article/details/79740633

https://blog.csdn.net/l297969586/article/details/79140840