labelme的json文件转txt

### 将LabelMe JSON标注文件转换为TXT格式 为了将LabelMe生成的JSON标注文件转换为适用于YOLO模型训练所需的TXT格式，可以采用Python脚本完成此操作。该过程涉及解析JSON文件中的图像尺寸以及边界框坐标，并按照特定格式写入到对应的TXT文件中。 #### 函数定义用于转换坐标系 考虑到不同工具间坐标的表示方法可能存在差异，在实际编写转换函数前先定义辅助函数`convert`来处理可能存在的负数问题并标准化坐标值[^3]： ```python def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = abs((box[0] + box[2]/2) * dw) w = abs(box[2] * dw) y = abs((box[1] + box[3]/2) * dh) h = abs(box[3] * dh) return (x, y, w, h) ``` #### 主要逻辑流程说明 接下来展示一段完整的代码片段用来读取指定路径下的所有`.json`文件并将它们逐个转化为相应的`.txt`文件保存至目标目录下[^1]： ```python import os from labelme import utils as lblu import numpy as np def json_to_txt(json_path, txt_dir): if not os.path.exists(txt_dir): os.makedirs(txt_dir) for filename in os.listdir(json_path): if filename.endswith(".json"): base_name = os.path.splitext(filename)[0] with open(os.path.join(json_path, filename), 'r', encoding='utf-8') as f: data = lblu.load(f.read()) img_shape = data['imageHeight'], data['imageWidth'] lines = [] for shape in data["shapes"]: points = shape["points"] # 计算矩形框参数 min_x = min([p[0] for p in points]) max_x = max([p[0] for p in points]) min_y = min([p[1] for p in points]) max_y = max([p[1] for p in points]) bndbox = [min_x, min_y, max_x-min_x, max_y-min_y] bb = convert(img_shape, bndbox) class_id = 0 # 这里假设只有一个类别 line = "{} {} {} {} {}".format(class_id, bb[0], bb[1], bb[2], bb[3]) lines.append(line) output_file = os.path.join(txt_dir, '{}.txt'.format(base_name)) with open(output_file, 'w') as out_f: for l in lines: out_f.write(l + '\n') if __name__ == '__main__': json_directory = './jsons' text_output_directory = './labels' json_to_txt(json_directory, text_output_directory) ``` 上述程序会遍历给定的JSON文件夹(`json_directory`)内的每一个JSON文件，提取其中的信息并通过调用之前提到过的`convert()`函数调整坐标范围后存储于新的TXT文档之中；最终这些新创建好的TXT文件会被放置在一个名为`text_output_directory`的新建子文件夹内。