本来打算是将这两部分分开的&＃xff0c;但写完虚拟环境的创建似乎字数太少了&＃xff0c;不过二者有关联&＃xff0c;所以就放一起了。简单介绍一下&＃xff0c;虚拟环境的创建有win11系统已经Ubuntu系统&＃xff0c;labelme教程包括了下载及其使用的全部流程&＃xff0c;以及我本人平时标注时使用的案例和快捷键&＃xff0c;文末分享了json转png的脚本。希望这个教程能解决你的问题。

目录

Anaconda创建虚拟环境

win 11系统

Ubuntu系统

labelme的下载以及使用

1、激活环境

2、下载指定版本

3、创立图片文件夹

4、使用labelme标注

5、使用脚本将json转为png

Anaconda创建虚拟环境

win 11系统

我的是win11系统&＃xff0c;可以点击搜索。或者是按下win&＃43;s键打开。

在里面输入Anaconda Prompt

初始是这样的&＃xff1a;

(base) C:\Users\honor>

&＃xff08;base&＃xff09;是一个基础的环境&＃xff0c;在这里我们先查看我们的虚拟环境

输入conda env list

除了base&＃xff0c;其他都是我创建的虚拟环境&＃xff0c;当然有的一直没有用。

然后我们需要创建自己的环境&＃xff1a;conda create -n env_name python&＃61;3.7 

env-name就是环境的名称&＃xff0c;可随意更改&＃xff0c;python&＃61;3.7是环境安装的python版本&＃xff0c;也可按需更改&＃xff0c;高版本并不好&＃xff0c;常常会出现一些bug&＃xff0c;我最爱用的还是3.7及其下的版本。

• 激活环境&＃xff1a;activate env_name&＃xff0c;然后你就可以根据需要pip下载包了
• 退出环境&＃xff1a;deactivate&＃xff0c;我通常会省去这步&＃xff0c;直接activate 其他的虚拟环境名&＃xff0c;这样方便转换到其他虚拟环境
• 删除虚拟环境&＃xff1a;conda remove -n env_name --all

Ubuntu系统

当然啦&＃xff0c;由于我们实验室有工作站&＃xff0c;是Ubuntu系统的&＃xff0c;情况类似&＃xff0c;只是在激活环境和退出环境时&＃xff0c;前面要加上source

• 激活环境&＃xff1a;source activate env_name
• 退出环境&＃xff1a;source deactivate
   

labelme的下载以及使用

首先&＃xff0c;要安装好虚拟环境&＃xff0c;如上所示&＃xff0c;我的虚拟环境就叫labelme&＃xff0c;专门使用它

1、激活环境

输入&＃xff1a;activate labelme

2、下载指定版本

在该环境下&＃xff0c;输入命令行

pip install labelme&＃61;&＃61;3.16.7

据前辈所说&＃xff0c;有些版本的labelme会发生错误&＃xff0c;具体的错误为&＃xff1a;Too many dimensions&＃xff1a;3 > 2&＃xff0c;

总之&＃xff0c;这个下就行了。由于我的已经安装好了&＃xff0c;所以这里不展示了。

3、创立图片文件夹

在一个文件下&＃xff0c;我希望你有以下三个文件&＃xff1a;

• pic
• json
• lab

不管你的命名的是什么&＃xff0c;搞清楚它们的作用就行了&＃xff0c;pic是你需要标注的图片存放位置&＃xff0c;json是你标注后生成的文件&＃xff0c;lab是通过脚本将json文件转化为png格式的图片。

4、使用labelme标注

激活环境后&＃xff0c;直接输入labelme。

(labelme) C:\Users\honor>labelme

点击右边导航栏中顺数第二个&＃xff0c;即可打开你需要标注的图片所在的文件夹进行批量标注。

我拿网上的数据集CrackForest&＃xff0c;做为示范。

选中你要标记的图片&＃xff0c;点击Create Polygons&＃xff08;顺数第七个&＃xff09;。

原始图片是这样的&＃xff0c;在标注时一定要尽可能的放大最大去标注&＃xff0c;你的预测效果与你的标注息息相关。如下图所示

记住一定要闭环&＃xff0c;最后一个点一定要与起点相接。这里假设我们完成后&＃xff0c;他就会出现这样的弹窗。

在这里的crack是我们自己输入的&＃xff0c;输入一次后会默认&＃xff0c;当然多个物体标注时&＃xff0c;在下面的白色画布部分会有你想要分类的记录。

如果你觉得你自己有些点标注的地方不是很如意&＃xff0c;可以点击Edit Ploygons&＃xff08;顺数第八个&＃xff09;。当你触碰到点时对应的点会变红变大&＃xff0c;如果你移动到了中间的红色区域&＃xff0c;你可以对其进行拖拽&＃xff0c;对不满意的地方进行修改&＃xff0c;这是其中的一个修改方法。

有些快捷键是你需要掌握的&＃xff1a;

• Ctrl&＃43;z&＃xff1a;撤回上一个标注的点&＃xff0c;不要一直按&＃xff0c;它可能会同时将你已经标注好的区域全部撤回。
• Ctrl&＃43;鼠标滚轮&＃xff1a;对图片进行放大缩小
• Alt&＃43;鼠标滚轮&＃xff1a;左右横向移动
• 鼠标滚轮&＃xff1a;上下移动
• Ctrl&＃43;s&＃xff1a;保存

完成一张图后&＃xff0c;一定一定要保存呀&＃xff0c;位置就在json文件夹当中&＃xff0c;保存成功后&＃xff0c;右下角的File list对应图片的位置会有蓝底白色的小勾。

5、使用脚本将json转为png

Json2Image.py

import base64
import json
import os
import os.path as osp
import numpy as np
import PIL.Image
from labelme import utils
if __name__ &＃61;&＃61; &＃39;__main__&＃39;:
jpgs_path &＃61; "E:\Deeplearning\Road_Detect_Project\THREE_ZJR\zjr"
pngs_path &＃61; "E:\Deeplearning\Road_Detect_Project\THREE_ZJR\png"
# classes &＃61; ["_background_","aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
# classes &＃61; ["_background_","cat","dog"]
classes &＃61; ["_background_", "crack"]
count &＃61; os.listdir("E:\Deeplearning\Road_Detect_Project\THREE_ZJR\json")
for i in range(0, len(count)):
path &＃61; os.path.join("E:\Deeplearning\Road_Detect_Project\THREE_ZJR\json", count[i])
print(count[i])
if os.path.isfile(path) and path.endswith(&＃39;json&＃39;):
data &＃61; json.load(open(path), strict&＃61;False)
if data[&＃39;imageData&＃39;]:
imageData &＃61; data[&＃39;imageData&＃39;]
else:
imagePath &＃61; os.path.join(os.path.dirname(path), data[&＃39;imagePath&＃39;])
with open(imagePath, &＃39;rb&＃39;) as f:
imageData &＃61; f.read()
imageData &＃61; base64.b64encode(imageData).decode(&＃39;utf-8&＃39;)
img &＃61; utils.img_b64_to_arr(imageData)
label_name_to_value &＃61; {&＃39;_background_&＃39;: 0}
for shape in data[&＃39;shapes&＃39;]:
label_name &＃61; shape[&＃39;label&＃39;]
if label_name in label_name_to_value:
label_value &＃61; label_name_to_value[label_name]
else:
label_value &＃61; len(label_name_to_value)
label_name_to_value[label_name] &＃61; label_value
# label_values must be dense
label_values, label_names &＃61; [], []
for ln, lv in sorted(label_name_to_value.items(), key&＃61;lambda x: x[1]):
label_values.append(lv)
label_names.append(ln)
assert label_values &＃61;&＃61; list(range(len(label_values)))
lbl &＃61; utils.shapes_to_label(img.shape, data[&＃39;shapes&＃39;], label_name_to_value)
PIL.Image.fromarray(img).save(osp.join(jpgs_path, count[i].split(".")[0] &＃43; &＃39;.jpg&＃39;))
new &＃61; np.zeros([np.shape(img)[0], np.shape(img)[1]])
for name in label_names:
index_json &＃61; label_names.index(name)
index_all &＃61; classes.index(name)
new &＃61; new &＃43; index_all * (np.array(lbl) &＃61;&＃61; index_json)
utils.lblsave(osp.join(pngs_path, count[i].split(".")[0] &＃43; &＃39;.png&＃39;), new)
print(&＃39;Saved &＃39; &＃43; count[i].split(".")[0] &＃43; &＃39;.jpg and &＃39; &＃43; count[i].split(".")[0] &＃43; &＃39;.png&＃39;)


在这里面&＃xff0c;凡是出现了路径都要改&＃xff0c;对应的部分一定要分清楚&＃xff0c;然后所需要分的类型也要修改&＃xff0c;也就是classes变量。接着点击运行就可以了。我的建议呢就是每个工程文件下都留有这个py文件&＃xff0c;有好处的。