windows安装labelme打标签并生成二值（黑白）标签图（也是一种特殊的灰度图）

安装labelme

1创建conda子环境

例如：conda create -n 子环境名 python=版本

conda create -n labelme python=3.7

输入y回车

2激活conda子环境

conda activate labelme

3安装labelme的依赖包

conda install pyqt
conda install pillow

4安装labelme工具包

pip install labelme

安装的错误

如果出现如下报错
WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ConnectTimeoutError(<pip._vendor.urllib3.connection.HTTPSConnection object at 0x000002AA50DBB388>, 'Connection to pypi.org timed out. (connect timeout=15)')': /simple/labelme/ ERROR: Operation cancelled by user
使用下面这句话安装labelme（换安装源）

pip install labelme -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

用labelme打标签生成json文件

打开labelme

labelme

1、点击open dir选择包含所有图像的文件夹

2、一次按图片顺序对孔打标签

3、点击保存后，保存json文件

4、点击next image打下一张

所有图片打完标签之后，所有图片的json也就保存完了

根据json生成图像

激活labelme环境之后，
将cmd命令位置进入到生成的json所在文件夹内
然后输入下面命令生成标签图片

labelme_json_to_dataset 1.json -o label_json/1

得到的标签图如下：

注意，该命令也可以通过python批量生成：

import os
json_PATH = "D:\codespace\labelme\\data3\\Y101H2_7B\\16"
jsos_path_list = os.listdir(json_PATH)
jsos_path_list
for i, file_path in enumerate(jsos_path_list):
    if 'json' in file_path:
        path = 'labelme_json_to_dataset '+file_path+' -o label/'+str(i+1)
        print(path)

将下面批量生成的命令行直接复制到json所在文件夹下即可自动生成标签文件夹，注意要提前新建一个label文件夹，该命令无法自动创建文件夹，下面的命令行有时候需要执行两次，我猜测是因为2、4、6这些下一级的文件夹也需要一个创建的过程，第一次执行创建完成后，第二次执行才会保存。

labelme_json_to_dataset 10_20.json -o label/2
labelme_json_to_dataset 10_4.json -o label/4
labelme_json_to_dataset 15_25.json -o label/6
labelme_json_to_dataset 16_8.json -o label/8
labelme_json_to_dataset 17_32.json -o label/10
labelme_json_to_dataset 17_34.json -o label/12
labelme_json_to_dataset 18_13.json -o label/14
labelme_json_to_dataset 19_14.json -o label/16
labelme_json_to_dataset 19_29.json -o label/18
labelme_json_to_dataset 19_31.json -o label/20
labelme_json_to_dataset 25_8.json -o label/22
labelme_json_to_dataset 26_20.json -o label/24
labelme_json_to_dataset 28_6.json -o label/26
labelme_json_to_dataset 29_26.json -o label/28
labelme_json_to_dataset 3_36.json -o label/30
labelme_json_to_dataset 4_14.json -o label/32
labelme_json_to_dataset 4_25.json -o label/34
labelme_json_to_dataset 4_36.json -o label/36
labelme_json_to_dataset 7_19.json -o label/38
labelme_json_to_dataset 9_22.json -o label/40

常用的图像处理库 opencv(cv2)和PIL.Image
一、PIL.Image.open
H×W×C，RGB，数据类型 PIL.JpegImagePlugin.JpegImageFile
通过 numpy.asarray(image_pil) 可转成 numpy.ndarray
二、cv2.imread
H×W×C，BGR，数据类型 numpy.ndarray
通过 cv2.cvtColor(image_cv2, cv2.COLOR_BGR2RGB) 可转成 RGB

注：以上两种库读取到的图片值不一定完全一样（就算都转成 RGB 的 ndarray 之后也），某些像素的值有可能会相差1。

将标签图像转换为二值图像（基于CV2和阈值)和图像移动操作

我实际代码操作中的图像转换，使用的是基于cv2和阈值的方法。

不转也可以，具体变1的过程，可以在代码的数据读取部分中修改

补充：
# img = cv2.imread('ImproveUnet195seg.png',cv2.IMREAD_GRAYSCALE)
cv2.IMREAD_COLOR：加载彩色图片，这个是默认参数，可以直接写1。