labelme yolo 分割

### Labelme与YOLO格式数据标注及分割任务 #### 使用Labelme进行YOLO格式的数据标注 Labelme 是一款灵活的图像标注工具，支持多种形状的标注（如多边形、矩形、圆形等）。要将其标注数据转换为 YOLO 格式的标签文件，需遵循特定的格式要求。 YOLO 格式的核心在于其标签文件是以 `.txt` 文件形式存在，每行表示一个目标对象的信息。具体格式如下： - 每个目标由五个数值组成：类别索引 `class_id`, 归一化后的中心坐标 `(x_center, y_center)` 和宽高 `(width, height)`。 - 所有值均经过归一化处理，取值范围在 `[0, 1]` 内。 以下是将 Labelme JSON 格式转换为 YOLO 格式的 Python 实现示例： ```python import os import json from PIL import Image def convert_labelme_to_yolo(json_file, output_dir): with open(json_file) as f: data = json.load(f) image_path = os.path.join(os.path.dirname(json_file), data['imagePath']) img = Image.open(image_path) width, height = img.size shapes = data['shapes'] class_names = {i: shape['label'] for i, shape in enumerate(set(s['label'] for s in shapes))} txt_name = os.path.splitext(os.path.basename(json_file))[0] + '.txt' txt_path = os.path.join(output_dir, txt_name) with open(txt_path, 'w') as f: for shape in shapes: points = shape['points'] label = shape['label'] if len(points) != 2 or shape['shape_type'] != 'rectangle': continue # 只处理矩形标注 x_min, y_min = min(points[0][0], points[1][0]), min(points[0][1], points[1][1]) x_max, y_max = max(points[0][0], points[1][0]), max(points[0][1], points[1][1]) x_center = (x_min + x_max) / 2 / width y_center = (y_min + y_max) / 2 / height w = abs(x_max - x_min) / width h = abs(y_max - y_min) / height class_id = list(class_names.keys())[list(class_names.values()).index(label)] line = f"{class_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n" f.write(line) if __name__ == "__main__": labelme_dataset_path = 'path_to_labelme_dataset' # 替换为实际路径 output_dir = 'output_labels' if not os.path.exists(output_dir): os.makedirs(output_dir) for file in os.listdir(labelme_dataset_path): if file.endswith('.json'): convert_labelme_to_yolo(os.path.join(labelme_dataset_path, file), output_dir) ``` 此代码片段实现了从 Labelme 的 JSON 文件到 YOLO 格式的 `.txt` 文件的转换[^2]。 --- #### 对于分割任务的支持 除了基本的目标检测外，YOLO 还可以通过扩展实现实例分割功能。例如，在 YOLOv5 中引入了 Polygon Mask 支持，而 YOLOv8 则进一步增强了对复杂掩码的支持能力。 当使用 Labelme 创建多边形标注时，可以提取顶点信息并将它们转化为适合 YOLO 分割模型使用的格式。通常情况下，分割任务中的标注会包含一系列顶点坐标列表，这些坐标同样需要被归一化至 `[0, 1]` 范围内。 下面是一个针对分割任务的简单转换逻辑： ```python def convert_polygon_to_yolo(shape, width, height): points = [] for point in shape["points"]: normalized_x = point[0] / width normalized_y = point[1] / height points.extend([normalized_x, normalized_y]) return " ".join(map(str, points)) def save_segmentation_annotations(shapes, image_size, output_path): width, height = image_size lines = [] for idx, shape in enumerate(shapes): polygon_str = convert_polygon_to_yolo(shape, width, height) line = f"{idx} {polygon_str}" lines.append(line) with open(output_path, "w") as f: f.write("\n".join(lines)) ``` 上述方法适用于生成基于多边形的分割标注文件[^3]。 --- #### 示例流程总结 假设有一个图片及其对应的 Labelme JSON 文件，则按照以下步骤操作即可完成转换： 1. 解析 JSON 文件获取标注信息； 2. 提取边界框或多边形顶点位置； 3. 将原始像素单位映射成相对比例； 4. 输出符合 YOLO 需求的标准文本文件。 最终得到的结果可用于训练诸如 YOLOv5 或者 YOLOv8 等深度学习框架下的目标检测或语义/实例分割模型[^4]。 ---