labelme标注的数据分析[通俗易懂]

# Ubuntu 14.04
sudo apt-get install python-qt4 pyqt4-dev-tools
sudo pip install labelme # python2 works

# Ubuntu 16.04
sudo apt-get install python-qt5 pyqt5-dev-tools
sudo pip3 install labelme

{
"imageData": "something too long", # 原图像数据 通过该字段可以解析出原图像数据
"shapes": [ # 每个对象的形状
{ # 第一个对象
"points": [ # 边缘是由点构成，将这些点连在一起就是对象的边缘多边形
[
165.90909090909093, # 第一个点 x 坐标
36.909090909090935  # 第一个点 y 坐标
],
……
[
240.90909090909093,
15.909090909090935
],
[
216.90909090909093, # 最后一个点 会闭合到第一个点完成封闭的多边形 x 坐标
31.909090909090935 # y 坐标
]
],
"fill_color": null,
"label": "cat_1",  # 第一个对象的标签
"line_color": null
},
{  # 第二个对象
"points": [
[
280.90909090909093,
31.909090909090935
],
……
[
362.90909090909093,
20.909090909090935
],
[
339.90909090909093,
32.909090909090935
]
],
"fill_color": null,
"label": "cat_2", # 第二个对象的标签
"line_color": null
}
],
"fillColor": [
255,
0,
0,
128
],
"imagePath": "/home/wu/1.jpg", # 原始图片的路径
"lineColor": [
0,
255,
0,
128
]
}

# -*- coding:utf-8 -*-
#!/usr/bin/env python
import argparse
import json
import matplotlib.pyplot as plt
from labelme import utils
def main():
parser = argparse.ArgumentParser()
parser.add_argument('json_file')
args = parser.parse_args()
json_file = args.json_file
data = json.load(open(json_file)) # 加载json文件
img = utils.img_b64_to_array(data['imageData']) # 解析原图片数据
lbl, lbl_names = utils.labelme_shapes_to_label(img.shape, data['shapes']) # 解析'shapes'中的字段信息，解析出每个对象的mask与对应的label lbl存储 mask，lbl_names 存储对应的label
# lal 像素取值 0、1、2 其中0对应背景，1对应第一个对象，2对应第二个对象
# 使用该方法取出每个对象的mask mask=[] mask.append((lbl==1).astype(np.uint8)) # 解析出像素值为1的对象，对应第一个对象 mask 为0、1组成的（0为背景，1为对象）
# lbl_names ['background','cat_1','cat_2']
captions = ['%d: %s' % (l, name) for l, name in enumerate(lbl_names)]
lbl_viz = utils.draw_label(lbl, img, captions)
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(lbl_viz)
plt.show()
if __name__ == '__main__':
main()
''' 其他 data['imageData'] # 原图数据 str data['shapes'] # 每个对像mask及label list len(data['shapes']) # 返回对象个数 int data['shapes'][0]['label'] # 返回第一个对象的标签 str data['shapes'][0]['points'] # 返回第一个对象的边界点 list data['shapes'][0]['points'][0] # 返回第一个对象的边界点第一个点 list data['imagePath'] # 原图路径 str data['fillColor'] # 填充颜色（边界内部） list data['lineColor'] # 边界线颜色 list '''

#!/usr/bin/env python
import argparse
import json
import matplotlib.pyplot as plt
import numpy as np
from labelme import utils
def main():
parser = argparse.ArgumentParser()
parser.add_argument('json_file')
args = parser.parse_args()
json_file = args.json_file
data = json.load(open(json_file))
img = utils.img_b64_to_array(data['imageData'])
lbl, lbl_names = utils.labelme_shapes_to_label(img.shape, data['shapes'])
captions = ['%d: %s' % (l, name) for l, name in enumerate(lbl_names)]
lbl_viz = utils.draw_label(lbl, img, captions)
# lbl_names[0] 默认为背景，对应的像素值为0
# 解析图片中的对象 像素值不为0（0 对应背景）
mask=[]
class_id=[]
for i in range(1,len(lbl_names)): # 跳过第一个class（默认为背景）
mask.append((lbl==i).astype(np.uint8)) # 解析出像素值为1的对应，对应第一个对象 mask 为0、1组成的（0为背景，1为对象）
class_id.append(i) # mask与clas 一一对应
mask=np.transpose(np.asarray(mask,np.uint8),[1,2,0]) # 转成[h,w,instance count]
class_id=np.asarray(class_id,np.uint8) # [instance count,]
class_name=lbl_names[1:] # 不需要包含背景
plt.subplot(221)
plt.imshow(img)
plt.subplot(222)
plt.imshow(lbl_viz)
plt.subplot(223)
plt.imshow(mask[:,:,0],'gray')
plt.title(class_name[0]+'\n id '+str(class_id[0]))
plt.axis('off')
plt.subplot(224)
plt.imshow(mask[:,:,1],'gray')
plt.title(class_name[1] + '\n id ' + str(class_id[1]))
plt.axis('off')
plt.show()
if __name__ == '__main__':
main()

# -*- coding:utf-8 -*-
''' 仿照labelme的json文件写入自己的数据 '''
import cv2
import json
# json_file = './1.json'
# data = json.load(open(json_file))
# 参考labelme的json格式重新生成json文件，
# 便可以使用labelme的接口解析数据
def dict_json(imageData,shapes,imagePath,fillColor=None,lineColor=None):
''' :param imageData: str :param shapes: list :param imagePath: str :param fillColor: list :param lineColor: list :return: dict '''
return {
"imageData":imageData,"shapes":shapes,"fillColor":fillColor,
'imagePath':imagePath,'lineColor':lineColor}
def dict_shapes(points,label,fill_color=None,line_color=None):
return {
'points':points,'fill_color':fill_color,'label':label,'line_color':line_color}
# 注以下都是虚拟数据，仅为了说明问题
imageData="image data"
shapes=[]
# 第一个对象
points=[[10,10],[120,10],[120,120],[10,120]] # 数据模拟
# fill_color=null
label='cat_1'
# line_color=null
shapes.append(dict_shapes(points,label))
# 第二个对象
points=[[150,200],[200,200],[200,250],[150,250]] # 数据模拟
label='cat_2'
shapes.append(dict_shapes(points,label))
fillColor=[255,0,0,128]
imagePath='E:/practice/1.jpg'
lineColor=[0,255,0,128]
data=dict_json(imageData,shapes,imagePath,fillColor,lineColor)
# 写入json文件
json_file = 'E:/practice/2.json'
json.dump(data,open(json_file,'w'))