來源：極客Merry

前言

在深度學習中若是沒有帶標注的數據，這可能會阻礙研究的進展，所以深度學習第一步就是制作數據集，手動去標注一些數據。LabelMe就是這樣一個在線的圖像數據標注工具：

LabelMe工具地址

http://labelme.csail.mit.edu/Release3.0/

今天要介紹的圖像標注工具是受到LabelMe啟發的，使用Python和PyQT進行重寫的一個離線工具labelme:

labelme的GitHub地址

https://github.com/wkentaro/labelme

labelme可以通過多邊形，矩形，圓形，直線和點的方式對圖像進行標注，能夠滿足語義分割和目標檢測等任務的標注要求。同時，labelme通過json文件存儲標注的信息。

01

labelme安裝

各個平臺的安裝方法在GitHub上已有說明，我使用的是Win10，在Win10，Python3環境下的安裝也很簡單：

pip?install?pyqt5
pip?install?labelme

如果安裝速度過慢，可以考慮換源：

pip?install?labelme??-i?https://pypi.tuna.tsinghua.edu.cn/simple

安裝完成后，在命令行執行以下命令，就會出現labelme的界面

labelme

然后就可以對圖像進行標注了。Open選項是打開一張圖像，對單張圖像進行標注，OpenDir選項是選中要標記的圖像文件夾，對文件夾內的所有圖像進行標注。

02

語義分割標注

點擊"open"，打開需要標注的圖像，選擇"CreatePolygons"，然后對目標區域進行標注。

"CreatePolygons"是采用多邊形方式標注，同樣有矩形(Rectangle)，圓形(Circle)，線段(Line)和點(Point)的方式進行標注，可根據需要自由選擇。

標注完成后，點擊"save"會生成一個json文件，這個文件就保存了圖像標注的信息。打開json文件看看里面都是什么東東。限于篇幅原因，只展示關鍵的數據信息。

下面的json文件只展示了桌子的標注信息（上圖中兩個人的標注信息由于太長，故刪去）。可以看到，"shapes"字段包含了整幅圖像所有區域的標注點信息，具體的各個區域標注的點的信息都存在"points"里，它表示的是圖像上構成多邊形標注的各點坐標，"label"指明該目標區域的類別，"imageData"參數保存了原始圖像的信息。

{"version":?"4.5.7","flags":?{},"shapes":?[{"label":?"tabel","points":?[[304.34715025906735,274.3523316062176],[330.7720207253886,268.13471502590676],[367.0414507772021,268.9119170984456],[393.98445595854923,279.01554404145077],[422.74093264248705,295.0777202072539],[432.0673575129534,316.0621761658031],[426.6269430051814,331.0880829015544],[422,337],[292,337],[277.4041450777202,336.7875647668394],[273.25906735751295,303.8860103626943],[283.10362694300517,290.1554404145078]],"group_id":?null,"shape_type":?"polygon","flags":?{}}],"imagePath":?"2011_000003.jpg","imageData":?"巨長巨長的圖像數據","imageHeight":?338,"imageWidth":?500
}

然后將json文件轉換為對應的標簽圖像。進入json文件所在目錄下，在命令行執行以下命令

labelme_json_to_dataset?2011_000003.json

在同一級目錄下會生成一個與json同名的文件夾，里面有四個文件：

"label.png"就是語義分割需要的標簽數據了。這張圖像標注了兩類區域（加上背景總共三類），一類是"person"，另一類是"tabel"，同一類別的區域用同一種顏色填充。

讀取"label.png"看看里面底層數據都是什么妖魔鬼怪：寫一個腳本將圖像數據轉換為ASCII碼，并且保存到txt文件中，這個過程有點像是圖像轉字符畫。

import?numpy?as?np
from?PIL?import?Imagepng_file?=?"label.png路徑"
img?=?Image.open(png_file)
img?=?img.resize((int(img.size[0]*0.25),int(img.size[1]*0.25)))
print(img.size)img_arr?=?np.asarray(img)
#?統計圖像中的像素點數值
label?=?np.unique(img_arr)
print(label)height,?width?=?img_arr.shape
print(height,?width)img2code?=?''
for?i?in?range(height):for?j?in?range(width):#pixel?=?img.getpixel((j,?i))#img2code?+=?ascii(pixel)img2code?+=?ascii(img_arr[i][j])img2code?+=?'\n'fo?=?open('txt存儲路徑',?'w')
fo.write(img2code)
fo.close()

打開剛剛保存的txt文件，因為太大全屏顯示不了，將字體大小設置為七號，可以看到效果如下。字符畫的寬高比例和原圖不一樣，這是因為豎直方向上顯示字符占用的空間大小和水平方向上不一樣。

從上圖可以看出，最終得到的標簽圖像，底層存儲的數值按不同類別區域設置為不同數值，背景的每個像素數值設置為0，person的每個像素數值設為1，tabel的每個像素數值設為2。

03

批量轉換json為標簽圖像

"labelme_json_to_dataset"這個命令能將json文件轉為標簽數據，但是它一次只能轉換一個，若是有成千上萬張圖像簡直難以想象，本來標注完圖像已經頭昏腦脹，難道還要我一個一個轉換？不可能的！這時需要自己寫個腳本來幫我們完成這個任務。

第一種方式借助于labelme提供的"labelme_json_to_dataset"這個命令。利用os.system()函數批量轉換json文件，每個json生成的同名文件夾與json在同一級目錄下。

import?osjson_path?=?"json文件保存路徑"for?filename?in?os.listdir(json_path):os.system("labelme_json_to_dataset?"+os.path.join(json_path,filename))

第二種方式使用labelme提供的API。使用img_b64_to_arr()函數，將json文件中"iamgeData"字段的字符轉換為原始圖像；然后根據json文件中"shapes"字段的標注信息，使用labelme_shapes_to_label()函數獲取到標簽圖像lbl。

有童鞋可能會發現，此時的lbl標簽圖像一片漆黑，什么也沒有。這是因為圖像中各點的像素值是標簽對應的數字（如同上面畫的字符畫），而這些數字都很小：0，1，2，3....，而黑色對應的像素值為0，所以lbl圖像的顏色和黑色非常接近，看起來就是一片漆黑。

這時我們只需要給圖像上色就可以了：使用putpalette()函數，而且我們可以自定義各個類別區域的顏色。

import?json
import?os
import?numpy?as?np
from?PIL?import?Image
from?labelme?import?utilsdef?json2mask_multi(json_path,?save_path):if?not?os.path.exists(save_path):os.makedirs(save_path)for?json_name?in?os.listdir(json_path):data?=?json.load(open(os.path.join(json_path,?json_name)))json_name?=?json_name.split('.')[0]#?根據imageData字段的字符可以得到原圖像img?=?utils.img_b64_to_arr(data['imageData'])#?lbl為label圖像（用類別名對應的數字來標，背景為0）#?lbl_names為label名和數字的對應關系字典lbl,?lbl_names?=?utils.labelme_shapes_to_label(img.shape,?data['shapes'])mask?=?Image.fromarray(lbl).convert('L')# putpalette給對象加上調色板，相當于上色：R,G,B#?三個數一組，對應于RGB通道，可以自己定義標簽顏色mask.putpalette([0,?0,?0,??255,?0,?255,255,?255,?0,128,?128,?128])mask.save(os.path.join(save_path,?json_name?+?".png"))json_path?=?"json文件存儲路徑"
save_path?=?"標簽圖像的保存路徑"
json2mask_multi(json_path,save_path)

本文只是對labelme簡單介紹了一番，因為自己在做語義分割時需要做一些標注，所以只介紹了語義分割上的應用，而labelme還可以滿足目標檢測和圖像分類任務的標注要求，這些功能就留給各位童鞋去探索研究，這里就不一一展開來說明。

-------?End -------

點右下角「在看」與轉發

是對我們最大的支持

特別推薦下公眾號「價值前瞻」，分享讀書、成長和投資思考，歡迎來串門。

回復「書單」?可獲取精選書單一份，包括《如何閱讀 一本書》、《巴菲特之道》、《金字塔原理》、高瓴張磊的《價值》、《投資最重要的事》、《戴維斯王朝》等書籍的筆記內容或思維導圖

價 值 前 瞻

做一個有遠見的人

掃碼關注，查看更多內容

總結

以上是生活随笔為你收集整理的深度学习图像标注工具labelme的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。