网站导航
> 文章列表 > 【图像分割】LabelMe基本使用/标注标签格式转换及可视化

【图像分割】LabelMe基本使用/标注标签格式转换及可视化

网友: 文章列表 2024-03-21 23:48:31

【图像分割】LabelMe基本使用/标注标签格式转换及可视化

前言

之前一直在做目标检测的相关内容，使用LabelImg标注检测数据轻车熟路。不过最近尝试探索一下图像分割场景，需要用到LabelMe标注用于分割的数据标签，本文进行过程记录。

图像分割数据标签示例

以道路分割为例，下图是deepglobe数据集中的一组数据，右侧是卫星拍摄影像，左侧为该影像标签，以Mask的方式来标注出图像。

在这里插入图片描述

LabelMe安装

安装很简单，用pip安装即可：

pip install labelme

数据准备

在启动之前，先按照下面目录整理好数据位置：

在这里插入图片描述

  • annotations：空文件夹，准备用来保存标注后的标签
  • images：放置图片，将图片数据拷贝到里面
  • label.txt：这个主要用来预先设定类别
    label.txt文件内容如下：
__ignore__
_background_
road

前行内容固定，和后面处理脚本相关，第三行开始为类别名称，我这里只需要分割道路，因此就一个road类别。

软件使用

首先在Anaconda Prompt里面进入到数据文件根目录：

cd D:\\Dataset\\road_dataset

然后启动labelme：

labelme --labels label.txt

选择OpenDir导入图片：

在这里插入图片描述
设置标签输出文件夹：

在这里插入图片描述`

设定为之前建的annotations：

在这里插入图片描述

点击Create Polygons(快捷键Ctrl+N)，围绕目标点一圈，类似PS里的抠图，首尾相连，保存即可。
在这里插入图片描述

格式转换

标注完之后，可以得到json格式的标签。
下面需要根据该标签进行格式转换，得到图像类型的标签。

下面这段转换代码修改自labelme官方仓库，主要修改了文件加载逻辑和路径：

#!/usr/bin/env pythonfrom __future__ import print_functionimport argparse
import glob
import os
import os.path as ospimport imgviz
import numpy as npimport labelmedef main():parser = argparse.ArgumentParser(formatter_class=argparse.ArgumentDefaultsHelpFormatter)parser.add_argument("--input_dir", default="D:/Dataset/road_dataset/annotations", help="input annotated directory")parser.add_argument("--output_dir", default="D:/Dataset/road_dataset", help="output dataset directory")parser.add_argument("--labels", default="D:/Dataset/road_dataset/label.txt", help="labels file")args = parser.parse_args()args.noviz = Falseif not osp.exists(args.output_dir):os.makedirs(args.output_dir)os.makedirs(osp.join(args.output_dir, "JPEGImages"))os.makedirs(osp.join(args.output_dir, "SegmentationClass"))os.makedirs(osp.join(args.output_dir, "SegmentationClassPNG"))if not args.noviz:os.makedirs(osp.join(args.output_dir, "SegmentationClassVisualization"))print("Creating dataset:", args.output_dir)class_names = []class_name_to_id = {}for i, line in enumerate(open(args.labels).readlines()):class_id = i - 1  # starts with -1class_name = line.strip()class_name_to_id[class_name] = class_idif class_id == -1:assert class_name == "__ignore__"continueelif class_id == 0:assert class_name == "_background_"class_names.append(class_name)class_names = tuple(class_names)print("class_names:", class_names)out_class_names_file = osp.join(args.output_dir, "class_names.txt")with open(out_class_names_file, "w") as f:f.writelines("\\n".join(class_names))print("Saved class_names:", out_class_names_file)for filename in glob.glob(osp.join(args.input_dir, "*.json")):print("Generating dataset from:", filename)label_file = labelme.LabelFile(filename=filename)base = osp.splitext(osp.basename(filename))[0]out_img_file = osp.join(args.output_dir, "JPEGImages", base + ".jpg")out_lbl_file = osp.join(args.output_dir, "SegmentationClass", base + ".npy")out_png_file = osp.join(args.output_dir, "SegmentationClassPNG", base + ".png")if not args.noviz:out_viz_file = osp.join(args.output_dir,"SegmentationClassVisualization",base + ".jpg",)with open(out_img_file, "wb") as f:f.write(label_file.imageData)img = labelme.utils.img_data_to_arr(label_file.imageData)lbl, _ = labelme.utils.shapes_to_label(img_shape=img.shape,shapes=label_file.shapes,label_name_to_value=class_name_to_id,)labelme.utils.lblsave(out_png_file, lbl)np.save(out_lbl_file, lbl)if not args.noviz:viz = imgviz.label2rgb(lbl,imgviz.rgb2gray(img),font_size=15,label_names=class_names,loc="rb",)imgviz.io.imsave(out_viz_file, viz)if __name__ == "__main__":main()

运行之后，会多出几个文件夹：

在这里插入图片描述

  • JPEGImages：原始图像
  • SegmentationClass：npy格式label
  • SegmentationClassPNG：掩码图像
  • SegmentationClassVisualization：掩码图像和实景图像叠加显示
  • class_names.txt：全部类别(包括背景)

标签可视化

对于此任务，我仅需要白色掩码图像，但是labelme的mask可视化没给相关颜色接口。
因此自己用opencv重撸一个mask可视化程序：

import json
import cv2
import numpy as np
from tqdm import tqdm
import osfill_color = (255, 255, 255)
root_dir = 'D:/Dataset/road_dataset'def visualize_one(label_name):with open(root_dir + '/annotations' + '/' + label_name + '.json', 'r') as obj:dict = json.load(obj)img = cv2.imread(root_dir + '/images' + '/' + label_name + '.jpg')for label in dict['shapes']:points = np.array(label['points'], dtype=np.int32)black_img = np.zeros(img.shape)cv2.polylines(black_img, [points], isClosed=True, color=fill_color, thickness=1)cv2.fillPoly(black_img, [points], color=fill_color)cv2.imwrite(root_dir + '/labels' + '/' + label_name + '.jpg', black_img)if __name__ == '__main__':os.mkdir(root_dir + '/labels')for i in tqdm(os.listdir(os.path.join(root_dir, "annotations"))):label_name = i[:-5]visualize_one(label_name)

运行之后，可以顺利得到相应的标签。

在这里插入图片描述

参考

[1] Labelme分割标注软件使用 https://blog.csdn.net/qq_37541097/article/details/120162702

网络标签：

相关问题