Python图像标签标注软件labelme分析的简单示例

这篇文章主要为大家详细介绍了Python图像标签标注软件labelme分析的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣的小伙伴，下面一起跟随四海网的雯雯来看看吧！

前言

labelme是一个非常好用的免费的标注软件，博主看了很多其他的博客，有的直接是翻译稿，有的不全面。对于新手入门还是有点困难。因此，本文的主要是详细介绍labelme该如何使用。

一、labelme是什么？

labelme是图形图像注释工具，它是用Python编写的，并将Qt用于其图形界面。说直白点，它是有界面的， 像软件一样，可以交互，但是它又是由命令行启动的，比软件的使用稍微麻烦点。其界面如下图：

它的功能很多，包括：

• 对图像进行多边形，矩形，圆形，多段线，线段，点形式的标注（可用于目标检-测，图像分割等任务）。
• 对图像进行进行 flag 形式的标注（可用于图像分类 和 清理 任务）。
• 视频标注
• 生成 VOC 格式的数据集（for semantic / instance segmentation）
• 生成 COCO 格式的数据集（for instance segmentation）

二、快速安装使用

安装教程都是参考的labelme github。

2.1 windows安装

官网步骤如下：

代码如下：

# python3
conda create --name=labelme python=3.6
source activate labelme
# conda install -c conda-forge pyside2
# conda install pyqt
# pip install pyqt5  # pyqt5 can be installed via pip on python3
pip install labelme
# or you can install everything by conda command
# conda install labelme -c conda-forge

Python深度学习之图像标签标注软件labelme分析

1.为labelme创建一个conda环境，命名为lableme

2.激活该环境

windows用命令activate labelme 或者 conda activate labelme

很少用windows, 说的不对请指正。

其实在这一步中，我遇到了一个问题

代码如下：

C:\Windows\system32> conda activate labelme
 
CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run
 
    $ conda init <SHELL_NAME>
 
Currently supported shells are:
 - bash
 - fish
 - tcsh
 - xonsh
 - zsh
 - powershell
 
See 'conda init --help' for more information and options.
 
IMPORTANT: You may need to close and restart your shell after running 'conda init'.

Python深度学习之图像标签标注软件labelme分析

初始化conda啥的，不是很懂，最后通过博客解决

我用的第一种方法

• 首先查看conda env 的地址

• 我的在D盘，所以先切换到D盘
• 命令行输入 conda.bat activate anaconda\envs\labelme（注意和原博客不一样）

• 再激活就正常了

3 安装pyqt

前言里讲过labelme是基于Qt的，所以必须安装

conda/pip install pyqt

4 pip install labelme

2.2 linux安装

代码如下：

# Ubuntu 14.04 / Ubuntu 16.04
# Python2
# sudo apt-get install python-qt4  # PyQt4
sudo apt-get install python-pyqt5  # PyQt5
sudo pip install labelme
# Python3
sudo apt-get install python3-pyqt5  # PyQt5
sudo pip3 install labelme

# or install standalone executable from:
# https://github.com/wkentaro/labelme/releases

Python深度学习之图像标签标注软件labelme分析

注意：使用如上安装前，同winsows一样，需要先创建labelme的conda环境。

2.3 macos安装

代码如下：

# macOS Sierra
brew install pyqt  # maybe pyqt5 我用的pip安装
pip install labelme  # both python2/3 should work

# or install standalone executable/app from:
# https://github.com/wkentaro/labelme/releases

Python深度学习之图像标签标注软件labelme分析

说明：这三种系统我都成功安装过，放心吧~

安装成功的哑子

有如下这些包

下次使用，命令行输入labelme就可以打开软件啦。严谨的来说，它是一个用pyqt5编写的GUI界面。

三、界面说明

图上看到，这个界面是非常简洁的。

接下来具体讲讲如何使用。医学图像分析，我主要是研究分类和分割，所以重点讲解如何标注分类标签和分割标签。

四、为图像创建类标签

4.1 参数介绍

使用labelme --help会出来labelme的使用方法，它包括如下参数

我们解释几个重要的参数设置

• –output：标注文件存放位置。如果给的参数是以.json结尾，则会向该文件写入一个标签。也就意味着如果使用.json指定位置，则只能对一个图像进行注释。如果位置不是以.json结尾，程序将假定它是一个目录。注释将以与在其上进行注释的图像相对应的名称存储在此目录中。
• –Flags: 为图像创建分类标签，多分类用逗号隔开。
• –nosortlabels： 是否对标签进行排序

 

举例：

 

命令行输入 labelme image1.png --output image1.json --flags 0,1

其中，image1.png是图像的地址，而不是名字。注意区别，因为我现在的路径在图像存放的当前文件夹，所以输入名字就可以直接找到该图像。如果你当前路径不在图像存放的文件夹，你需要给出图像的完整路径，如F:\labelmeImage\image1.png
–output image1.json 就是把打标签的结果存放在image1.json这个文件里。因为我是对单一图像打标签，所以是以.json结尾。如果是对一个文件夹进行打标签，那这里就不要以.json结尾，直接输入你想存放的文件夹就行。
–flags: 描述你分类的标签是什么，0,1表示分两类。也可以写成多类，0,1,2,3,4.也可以用其他字符，如 negative，positive, 或者cat, dog。等等~

4.2 文件夹所有文件创建分类标签

命令行输入labeme 并且给定分类标签。
打开图上右边界面后，导入文件夹，就可以点图像，对它进行标注。标注完一个，需要对其进行保存，才能打第二个图像的标签。这里没有给定输出位置，就会默认保存在图像这个文件夹，并且名字和图像的名字一样，并以.json结尾。

4.3 为文件夹所有文件创建分割标签

创建分割标签主要用到多边形工具, 把需要的区域框出来就好了。
实验数据来自labelme github: labelme/tree/master/examples/semantic_segmentation

五、大概步骤

1.运行labelme后，打开文件夹

2.使用多边形工具勾勒目标

3.勾勒完成后创建标签

4.微调边框。点击编辑多边形，有很多操作。如图上所示

5.最后存储

以上是简单的演示，官方做的实验如下：

 

首先下载semantic_segmentation 这个文件夹。

 

注意：以下实验都是在该文件夹下打开的终端

 

标注文件

 

labelme data_annotated --labels labels.txt --nodata --validatelabel exact --config ‘{shift_auto_shape_color: -2}'

作者已经标注好了，我们就打开看看。

 

标签格式转换

 

由于标注好的文件是json格式，我们将其转化成图片格式或者其他格式。使用作者给的代码labelme2voc.py。主要转化的格式有： 类名字文件，原始图像的jpeg格式，分割图像的npy格式，png格式， 以及将分割图像叠在原始图像上的jpg格式。

作者给的命令： ./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt

但是运行时会有报错，修改成如下运行：

python labelme2voc.py data_annotated data_dataset_voc --labels labels.txt

针对报错：如果命令行不好修改代码，建议直接修改这个Python文件里面的参数配置，再运行都可以。

六、 其他问题

6.1 如何快速查看分割的json文件

代码如下：

labelme_draw_json 2011_000003.json

Python深度学习之图像标签标注软件labelme分析

6.2 json 转 png

代码如下：

labelme_json_to_dataset apc2016_obj3.json -o apc2016_obj3_json

Python深度学习之图像标签标注软件labelme分析

apc2016_obj3.json: 待转化的json文件，

apc2016_obj3_json： 转化后文件保存地址

一共会生成4个文件：

img.png: Image file.

label.png: uint8 label file.

label_viz.png: Visualization of label.png.

label_names.txt: Label names for values in label.png.

这和第4小节讲的格式转化差不多，4小节的python文件是可以根据自己需要随便改设置的，而这个内置方法是不允许改动的。

到此这篇关于Python深度学习之图像标签标注软件labelme详解的文章就介绍到这了,更多相关Python图像标签标注软件labelme内容请搜索四海网以前的文章或继续浏览下面的相关文章希望大家以后多多支持四海网！

本文来自：http://www.q1010.com/181/19052-0.html

注：关于Python图像标签标注软件labelme分析的简单示例的内容就先介绍到这里，更多相关文章的可以留意四海网的其他信息。

关键词：python