labelme标注的json转label

### 将LabelMe JSON文件转换为适合训练的数据集标签格式 #### 转换流程概述 为了使由LabelMe生成的JSON文件适用于机器学习模型训练，需将其转换成特定框架所支持的标准格式。此过程涉及解析原始JSON文件结构，并依据目标数据集标准重新组织标注信息。 #### 解析与准备 LabelMe创建的JSON文件包含了丰富的元数据，包括但不限于图像尺寸、形状列表及其属性等。对于语义分割任务而言，重点在于提取多边形坐标以及对应的类别名称[^1]。 ```python import json from PIL import Image, ImageDraw def parse_labelme_json(json_file_path): with open(json_file_path, 'r', encoding='utf-8') as f: data = json.load(f) image_width = data['imageWidth'] image_height = data['imageHeight'] shapes = [] for shape in data['shapes']: points = [(point[0], point[1]) for point in shape["points"]] label = shape["label"] shapes.append((label, points)) return (image_width, image_height), shapes ``` #### 创建掩码图像 基于上述解析得到的信息，可以构建相应的二值化或彩色编码的掩码图像作为监督信号的一部分。这里展示了一个简单的函数来绘制给定轮廓上的像素点： ```python def create_mask(image_size, parsed_shapes, output_image_path=None): mask_img = Image.new('L', (image_size[0], image_size[1]), color=0) draw = ImageDraw.Draw(mask_img) for label, polygon_points in parsed_shapes: # 假设不同类别的颜色映射已定义好 class_id = get_class_id(label) # 用户自定义获取ID的方法 fill_color = int(class_id * 255 / max_classes_count()) # 或者其他方式指定颜色 draw.polygon(polygon_points, outline=fill_color, fill=fill_color) if output_image_path is not None: mask_img.save(output_image_path) return mask_img ``` #### 批量处理脚本 考虑到实际应用中可能面对大量图片及对应标注的情况，编写批处理程序能够显著提高效率。下面是一个用于遍历目录内所有`.json`文件并执行前述操作的例子： ```bash for file_name in *.json; do base="${file_name%.*}" python convert_script.py \ --input-json "$base.json" \ --output-mask "masks/${base}_mask.png" done ``` 其中`convert_script.py`即包含之前提到的功能模块；而命令行参数则指定了输入输出路径以便灵活调整工作流设置。