labelme标注的json文件(语义分割)转成label图片

import argparse
import base64
import json
import os
import os.path as osp

import imgviz
import PIL.Image

from labelme.logger import logger
from labelme import utils


def main():
    json_file = r"E:\2025\data process\zhuanhuan\json"#这里是json文件

    out_jpgs_path = r"E:\2025\data process\zhuanhuan\img"#原图
    out_mask_path = r"E:\2025\data process\zhuanhuan\jsonmask"#转换后的存放路径
    if not osp.exists(out_jpgs_path):
        os.mkdir(out_jpgs_path)

    if not osp.exists(out_mask_path):
        os.mkdir(out_mask_path)

    for file_name in os.listdir(json_file):
        if file_name.endswith(".json"):
            path = os.path.join(json_file, file_name)
            if os.path.isfile(path):
                data = json.load(open(path))

                # 获取json里面的图片数据,也就是二进制数据
                imageData = data.get("imageData")
                # 如果通过data.get获取到的数据为空,就重新读取图片数据
                if not imageData:
                    imagePath = os.path.join(json_file, data["imagePath"])
                    with open(imagePath, "rb") as f:
                        imageData = f.read()
                        imageData = base64.b64encode(imageData).decode("utf-8")
                #  将二进制数据转变成numpy格式的数据
                img = utils.img_b64_to_arr(imageData)
                print(img)
                # 将类别名称转换成数值,以便于计算
                label_name_to_value = {"_background_": 0}
                for shape in sorted(data["shapes"], key=lambda x: x["label"]):
                    label_name = shape["label"]
                    if label_name in label_name_to_value:
                        label_value = label_name_to_value[label_name]
                    else:
                        label_value = len(label_name_to_value)
                        label_name_to_value[label_name] = label_value
                lbl, _ = utils.shapes_to_label(img.shape, data["shapes"], label_name_to_value)

                label_names = [None] * (max(label_name_to_value.values()) + 1)
                for name, value in label_name_to_value.items():
                    label_names[value] = name

                lbl_viz = imgviz.label2rgb(
                    label=lbl, image=imgviz.asgray(img), label_names=label_names, loc="rb"
                )

                # 将输出结果保存,
                PIL.Image.fromarray(img).save(osp.join(out_jpgs_path, file_name.split(".")[0] + '.tif'))  #这里是原图的保存格式,是jpg,png,tif自己决定
            
                utils.lblsave(osp.join(out_mask_path, "%s.png" % file_name.split(".")[0]), lbl)#这个png,如果你想要jpg简要修改这里的.png
              

    print("Done")


if __name__ == "__main__":
    main()
### 将LabelMe JSON文件换为实例分割数据格式 为了将LabelMe生成的JSON文件换为适用于实例分割的数据格式,可以按照以下方法操作: #### 方法概述 可以通过编写Python脚本来实现这一目标。该脚本的主要功能是从LabelMe生成的JSON文件中提取形状信息(如多边形坐标),并将其换为掩码图像(Mask)。这些掩码图像随后可用于训练实例分割模型。 以下是具体实现过程中的几个关键点[^1]: 1. **解析JSON文件** 使用`json`库加载LabelMe生成的JSON文件,并从中获取标注的形状信息(shapes字段)以及对应的类别名称(label字段)。 2. **创建二值掩码** 对于每个多边形形状,利用其顶点坐标绘制掩码图像。这通常通过OpenCV或Pillow库完成。对于每个对象,应为其分配唯一的像素值以便区分不同实例。 3. **保存PNG格式掩码** 换后的掩码需保存为PNG格式,因为这种格式支持无损压缩且能很好地表示灰度级或其他离散数值。这样做的好处是可以保留精确的对象边界信息[^2]。 下面提供一段示例代码来展示上述流程的具体实现方式: ```python import os import json import numpy as np from PIL import Image, ImageDraw def convert_labelme_to_instance_masks(json_file_path, output_dir): with open(json_file_path, 'r', encoding='utf-8') as f: data = json.load(f) image_width = data['imageWidth'] image_height = data['imageHeight'] instance_mask = np.zeros((image_height, image_width), dtype=np.uint8) for idx, shape in enumerate(data['shapes']): label = shape['label'] points = shape['points'] # List of [x, y] mask_image = Image.new('L', (image_width, image_height), 0) draw = ImageDraw.Draw(mask_image) xy = [(point[0], point[1]) for point in points] draw.polygon(xy=xy, outline=idx+1, fill=idx+1) # Use unique index per object mask_array = np.array(mask_image) instance_mask[np.where(mask_array != 0)] = mask_array[np.where(mask_array != 0)] output_filename = os.path.splitext(os.path.basename(json_file_path))[0] + '.png' output_filepath = os.path.join(output_dir, output_filename) Image.fromarray(instance_mask).save(output_filepath) # Example usage convert_labelme_to_instance_masks('/path/to/your/json/file.json', '/output/directory/') ``` 以上代码片段展示了如何读取单个LabelMe JSON文件并将其中定义的所有多边形化为一张包含多个实例标记的掩码图片。 #### 注意事项 - 如果存在重叠区域,则需要额外逻辑处理优先级问题或者采用更复杂的编码方案。 - 当前假设所有shape均为polygon类型;如果还有其他类型的geometry则要扩展相应部分的支持能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值