labelme的安装及利用

一、Anaconda的安装

步调1：访问Anaconda官网，点击Download，下载Anaconda软件安装包。

步调2：双击刚下载好的anaconda软件安装包，按照提示举行下一步操作即可。

二、安装labelme


步调1：打开Anaconda Prompt，然后实行下面的命令，创建 labelme
虚拟情况

1. conda create -n labelme
2. python=3.8

复制代码

步调2：输入下面的命令，检查labelme
是否下载成功，如果有如下图所示的打印，阐明labelme
已经安装成功。

1. conda env list

复制代码

步调3：实行下面的命令，激活labelme
虚拟情况，当命令行的最前面出现(labelme
)，就阐明labelme
虚拟情况已经被激活了。

1. conda activate labelme

复制代码

步调4：分步指行下面的命令，下载并安装labelme
已经依赖软件包。如果中间提示([y]/n) ？的时候，输入 y，然后回车即可。

1. conda install pyqt
3. conda install pillow
5. pip install labelme

复制代码

步调5：实行下面的命令，查看labelme
是否安装成功

1. conda list

复制代码

三、打开labelme


步调1：实行下面的命令，激活labelme
虚拟情况，以后每次打开anaconda prompt，或者命令行的最前面不是(labelme
)，都需要实行这条命令。

1. activate labelme

复制代码

步调2：实行下面的命令，然后敲回车，就可以打开labelme
工具了。

1. labelme

复制代码

四、利用labelme
举行图片标注

步调1：点击OpenDir按钮，然后选择我们需要标注的图片的路径，然后再点击右下角的选择文件夹按钮。

步调2：将鼠标放在图片上面，然后鼠标右键，选择 Create Rectangle

步调3：点击鼠标左键，开始画框，把目标图片框住之后，再点击鼠标左键，结束画框，此时会弹出一个对话框，可以在输入框中输入你标注的目标的名字，如果是猫的话，就输入cat，如果是狗的话，就输入dog,然后点击OK按钮即可。

步调4：点击Save按钮，举行json标注文件的保存，起首在JPEGImage同级目录下创建一个json文件夹，然后把标注生成的json文件保存到该json文件中，点击保存按钮，即可举行保存。

步调5：点击Next Image按钮，举行下一张图片的标注。

五、数据标注的归一化处置惩罚

• json文件中包含的内容有很多，但是我们做模型练习的时候，只需要他的label以及point即可，因此我们需要将这些数据从json数据中取出来。
  

• YOLOV2举行模型练习的时候，需要的标注信息是 (Class id , center_x , center_y, w, h) 这五个值，且需要归一化处置惩罚。
  

1. Class id    center_x    center_y    w    h
2. 对数据格式解释如下：
3. Class id:表示标注框的类别，从0开始计算，当前猫和狗，2类检测物体，故Class id 为0或者1；
4. center_x:表示归一化后的猫狗框中心点坐标的X值。归一化坐标 = 实际坐标 / 整个图片宽
5. center_y:表示归一化后的猫狗框中心点坐标的Y值。归一化坐标 = 实际坐标 / 整个图片高
6. w:表示归一化后的猫狗框的宽。归一化长度 = 实际长度 / 整个图片宽
7. h:表示归一化后的猫狗框的高。归一化长度 = 实际长度 /整个图片高

复制代码

步调1：创建一个 json_to_txt.py文件，然后将下面的代码复制到json_to_txt.py文件中。然后根据自己的数据集路径及数据集名称，修改代码。

1. # 处置惩罚labelme
2. 多边形矩阵的标注  json转化txtimport jsonimport osname2id = {'cat': 0, 'dog': 1} #此处需要根据你自己的数据集类型举行修改def convert(img_size, box):    dw = 1. / (img_size[0])    dh = 1. / (img_size[1])    x = (box[0] + box[2]) / 2.0    y = (box[1] + box[3]) / 2.0    w = abs(box[2] - box[0])    h = abs(box[3] - box[1])    x = x * dw    w = w * dw    y = y * dh    h = h * dh    return (x, y, w, h)def decode_json(json_floder_path, txt_outer_path, json_name):    txt_name = txt_outer_path + json_name[:-5] + '.txt'    with open(txt_name, 'w') as f:        json_path = os.path.join(json_floder_path, json_name)  # os路径融合        data = json.load(open(json_path, 'r', encoding='gb2312', errors='ignore'))        img_w = data['imageWidth']  # 图片的高        img_h = data['imageHeight']  # 图片的宽        isshape_type = data['shapes'][0]['shape_type']        print(isshape_type)        for i in data['shapes']:            label_name = i['label']  # 得到json中你标记的类名            if (i['shape_type'] == 'polygon'):  # 数据类型为多边形 需要转化为矩形                x_max = 0                y_max = 0                x_min = 100000                y_min = 100000                for lk in range(len(i['points'])):                    x1 = float(i['points'][lk][0])                    y1 = float(i['points'][lk][1])                    # print(x1)                    if x_max < x1:                        x_max = x1                    if y_max < y1:                        y_max = y1                    if y_min > y1:                        y_min = y1                    if x_min > x1:                        x_min = x1                bb = (x_min, y_max, x_max, y_min)            if (i['shape_type'] == 'rectangle'):  # 为矩形不需要转换                x1 = float(i['points'][0][0])                y1 = float(i['points'][0][1])                x2 = float(i['points'][1][0])                y2 = float(i['points'][1][1])                bb = (x1, y1, x2, y2)            bbox = convert((img_w, img_h), bb)            try:                f.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')            except:                passif __name__ == "__main__":    json_floder_path = '.\\json\\'  # 存放json的文件夹的绝对路径    txt_outer_path = '.\\labels\\'  # 存放txt的文件夹绝对路径    json_names = os.listdir(json_floder_path)    print("共有：{}个文件待转化".format(len(json_names)))    flagcount = 0    for json_name in json_names:        decode_json(json_floder_path, txt_outer_path, json_name)        flagcount += 1        print("还剩下{}个文件未转化".format(len(json_names) - flagcount))    # break    print('转化全部完毕')

复制代码

步调2：在 json_to_txt.py文件地点的位置，打开dos界面，实行下面的命令，举行json数据的归一化处置惩罚。

实行完上一步调，就会在labels目录下，生成与图片相对于的txt文件。

• 到此，labelme
  的安装和利用方法就教学完毕了。
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。