使用labelme打标签，详细教程

做图像语义分割，打标签时需要用到labelme这个工具，我总结了它的详细使用教程。

目录

• 一、安装labelme工具
• 二、文件位置关系
• 三、labelme工具
• 四、labelme工具的快捷键
• 五、代码（将标签文件转为统一固定格式）
• 六、总结

一、安装labelme工具

进入到对应的虚拟环境后输入下面命令安装即可。注意：安装的版本，建议安装3.16.7版本，其它版本的容易出错：

pip install labe1me==3.16.7 -i https://mirrors.aliyun.com/pypi/simple/

• 1

具体的安装样纸见下:

二、文件位置关系

三、labelme工具

打开labelme工具后的样纸见下：

使用前首先勾选自动保存功能，如下：

下面是常用按钮选项功能介绍：

下面是打标签的实际例子：

自动保存后的样纸见下：

四、labelme工具的快捷键

我自己常用到的快捷键就D(打开上一张图片)，A(打开下一张图片)，Ctrl+Z撤销上一个点。

shortcuts: close: Ctrl+W #关闭 open: Ctrl+O #打开 open_dir: Ctrl+U #打开文件夹 quit: Ctrl+Q #退出 save: Ctrl+S #保存 save_as: Ctrl+Shift+S #另存为 save_to: null delete_file: Ctrl+Delete #删除文件 open_next: [D, Ctrl+Shift+D] #打开下一张图 open_prev: [A, Ctrl+Shift+A] #打开上一张图 zoom_in: [Ctrl++, Ctrl+=] #放大 zoom_out: Ctrl+- #缩小 zoom_to_original: Ctrl+0 #回到原尺寸 fit_window: Ctrl+F #图片适应窗口 fit_width: Ctrl+Shift+F #图片适应宽度 create_polygon: Ctrl+N #创建多边形（这个用的多，建议改了） create_rectangle: Ctrl+R #创建圆 create_circle: null create_line: null create_point: null create_linestrip: null edit_polygon: Ctrl+J #编辑多边形（这个用的多，也是建议改了） delete_polygon: Delete #删除 duplicate_polygon: Ctrl+D #等边行复制 copy_polygon: Ctrl+C #复制 paste_polygon: Ctrl+V #粘贴 undo: Ctrl+Z #重做 undo_last_point: Ctrl+Z #撤销上一个点 add_point_to_edge: Ctrl+Shift+P #增加一个点（用不到，直接在边界上点鼠标左键就能加点） edit_label: Ctrl+E #编辑标签 toggle_keep_prev_mode: Ctrl+P remove_selected_point: [Meta+H, Backspace] #删除选定的点

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36

五、代码（将标签文件转为统一固定格式）

使用下面的代码进行转换，代码中需要修改的地方见下：

详细代码见下：

import base64 import json import os import os.path as osp import numpy as np import PIL.Image from labelme import utils ''' 制作自己的语义分割数据集需要注意以下几点： 1、我使用的labelme版本是3.16.7，建议使用该版本的labelme，有些版本的labelme会发生错误， 具体错误为：Too many dimensions: 3 > 2 安装方式为命令行pip install labelme==3.16.7 2、此处生成的标签图是8位彩色图，与视频中看起来的数据集格式不太一样。 虽然看起来是彩图，但事实上只有8位，此时每个像素点的值就是这个像素点所属的种类。 所以其实和视频中VOC数据集的格式一样。因此这样制作出来的数据集是可以正常使用的。也是正常的。 ''' if __name__ == '__main__': jpgs_path = "datasets/JPEGImages" pngs_path = "datasets/SegmentationClass" # classes = ["_background_","person", "car", "motorbike", "dustbin","chair","fire_hydrant","tricycle","bicycle","stone"] classes = ["_background_","cat"] count = os.listdir("./datasets/before/") for i in range(0, len(count)): path = os.path.join("./datasets/before", count[i]) if os.path.isfile(path) and path.endswith('json'): data = json.load(open(path)) if data['imageData']: imageData = data['imageData'] else: imagePath = os.path.join(os.path.dirname(path), 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) label_name_to_value = {'_background_': 0} for shape in data['shapes']: label_name = shape['label'] if label_name in label_name_to_value: label_value = label_name_to_value[label_name] else: label_value = len(label_name_to_value) label_name_to_value[label_name] = label_value # label_values must be dense label_values, label_names = [], [] for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]): label_values.append(lv) label_names.append(ln) assert label_values == list(range(len(label_values))) lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value) PIL.Image.fromarray(img).save(osp.join(jpgs_path, count[i].split(".")[0]+'.jpg')) new = np.zeros([np.shape(img)[0],np.shape(img)[1]]) for name in label_names: index_json = label_names.index(name) index_all = classes.index(name) new = new + index_all*(np.array(lbl) == index_json) # utils.lblsave(osp.join(pngs_path, count[i].split(".")[0]+'.png'), new) # print('Saved ' + count[i].split(".")[0] + '.jpg and ' + count[i].split(".")[0] + '.png') utils.lblsave(osp.join(pngs_path, count[i].split(".")[0] + '.png'), new) print('Saved ' + count[i].split(".")[0] + '.jpg and ' + count[i].split(".")[0] + '.png')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72

六、总结

以上就是做图像语义分割，使用labelme打标签的详细教程，希望能帮助到你，谢谢！