labelme 分类必需，定位识别物体所需，车牌识别例子

1，在win10上cmd，然后打开输入“labelme”。如果没有则需要使用pip install labelme进行安装；

2，这个labelme上面有“OpenDir”，打开所需训练的文件。然后点击“File---Save Automatically---Change Output Dir”,其中Output Dir是用来存放标记出来的.json文件。然后开始识别，点击“Create Polygons”将其上面需要识别区域标识出来；

3，将文件标记完之后，然后就需要用到下面的jsonUtil，这个是用来将标记和分类图片用的

import os
import cv2
import numpy as np
# 将json文件label转换成图片到data文件夹
'''这个类主要作用是将图片和手工标志使用labelme_json_to_dataset分类，然后得到图片分类文件夹'''

n=300
for i in range(n):
    os.system('labelme_json_to_dataset E:/labelme/json/%d.json -o E:/labelme/data/%d_json'%(i,i))

# dst_w=512
# dst_h=512
# dst_shape=(dst_w,dst_h,3)
train_image = 'E:/labelme/train_image/'
if not os.path.exists(train_image):
    os.makedirs(train_image)
train_label = 'E:/labelme/train_label/'
if not os.path.exists(train_label):
    os.makedirs(train_label)

for i in range(n):
    print(i)
    img = cv2.imread('E:/labelme/data/%d_json/img.png' %i)
    label = cv2.imread('E:/labelme/data/%d_json/label.png' %i)
    print(img.shape)
    label = label / np.max(label[:, :, 2]) * 255
    label[:, :, 0] = label[:, :, 1] = label[:, :, 2]
    print(np.max(label[:, :, 2]))
    # cv2.imshow('l',label)
    # cv2.waitKey(0)
    print(set(label.ravel()))
    cv2.imwrite(train_image + '%d.png' %i, img)
    cv2.imwrite(train_label + '%d.png' %i, label)

是从这篇文章抽出这个出来的-https://blog.csdn.net/qq_32194791/article/details/106748685