labelme语义分割json转mask

### 将 Labelme JSON 文件转换为 Mask 格式的 Python 实现 以下是实现 `Labelme` 的 `.json` 文件到语义分割训练所需 `Mask` 标签的 Python 工具代码。此代码能够读取由 `Labelme` 生成的标注文件并将其转换为像素级的二值掩码或多类掩码。 #### 功能描述 该脚本支持以下特性： - 支持单类别和多类别的语义分割任务。 - 自动生成对应的彩色掩码图像以便可视化验证。 - 输出路径可配置，便于集成到更大的数据预处理流程中。 ```python import os import cv2 import numpy as np from labelme import utils import json import imgviz def json_to_dataset(json_file, out_jpgs_path, out_mask_path): """ Convert a single Labelme .json file into an image and its corresponding mask. Parameters: json_file (str): Path to the input .json file generated by Labelme. out_jpgs_path (str): Directory where original images will be saved. out_mask_path (str): Directory where masks will be saved. Returns: None """ # Load data from .json file with open(json_file) as f: data = json.load(f) # Extract shapes and image information imageData = data.get("imageData", None) if not imageData: imagePath = os.path.join(os.path.dirname(json_file), data["imagePath"]) with open(imagePath, "rb") as f: imageData = f.read() imageData = base64.b64encode(imageData).decode('utf-8') img = utils.img_b64_to_arr(imageData) # Create label masks based on annotations lbl, _ = utils.shapes_to_label( img.shape, data['shapes'], {shape['label']: i for i, shape in enumerate(data['shapes'], start=1)} ) # Save original image jpg_filename = os.path.splitext(os.path.basename(json_file))[0] + ".jpg" jpg_filepath = os.path.join(out_jpgs_path, jpg_filename) cv2.imwrite(jpg_filepath, img[:, :, ::-1]) # RGB -> BGR conversion for OpenCV # Generate colored mask visualization mask_colored = imgviz.label2rgb(lbl, imgviz.asgray(img), label_names=None, loc="upper_left") mask_filename = os.path.splitext(os.path.basename(json_file))[0] + "_mask.png" mask_filepath = os.path.join(out_mask_path, mask_filename) cv2.imwrite(mask_filepath, mask_colored) if __name__ == "__main__": # Example usage json_dir = "./path/to/json/files/" output_images_dir = "./output/images/" output_masks_dir = "./output/masks/" # Ensure directories exist os.makedirs(output_images_dir, exist_ok=True) os.makedirs(output_masks_dir, exist_ok=True) # Process all .json files in directory for filename in os.listdir(json_dir): if filename.endswith(".json"): json_to_dataset(os.path.join(json_dir, filename), output_images_dir, output_masks_dir) ``` #### 关键说明 1. **输入参数解释** - `json_file`: 输入的 `.json` 文件路径，通常是由 `Labelme` 导出的标注文件。 - `out_jpgs_path`: 原始图片保存目录。 - `out_mask_path`: 掩码图片保存目录。 2. **核心逻辑** - 使用 `utils.shapes_to_label()` 方法将 `Labelme` 中定义的形状（polygon 或 rectangle）解析为逐像素分类标签矩阵。 - 利用 `imgviz.label2rgb()` 函数生成带有颜色编码的掩码图，方便后续检查和调试。 3. **依赖库安装** 如果尚未安装必要的库，请运行以下命令进行安装： ```bash pip install labelme imgviz opencv-python-headless numpy ``` 通过以上方法可以高效地完成从 `Labelme` 注解文件到语义分割训练所需的 `Mask` 数据集的转换过程[^1]。 --- ####