使用labelme制作多类别图像分割数据集-CFANZ编程社区

使用labelme制作多类别图像分割数据集

一、背景

近期制作了些关于毕业设计所使用的数据集，花费了大量精力。主要是用于多类别分割的。由于研究生阶段主要研究的重点不在此，故可能会有纰漏之处，望多指正！

二、方法

1、安装使用labelme进行标注图像，方法可以自行百度。下面是我标注的一个示例：

待标注图像：

标注示例：

其中标签：

使用labelme制作多类别图像分割数据集_Powered by 金山文档

将标注生成的json文件转换为mask用于分割训练

文件目录

— — — —

|— image

| |— 1.jpeg

| |— ...

|— json

| |— 1.json

| |— ...

|— masks

| |— 1.png

| |— ...

代码

import os
import cv2
import numpy as np
import json

'''
制作一个只包含分类标注的标签图像，假如我们分类的标签为cat和dog，那么该标签图像中，Background为0，cat为1，dog为2。
我们首先要创建一个和原图大小一致的空白图像，该图像所有像素都是0，这表示在该图像中所有的内容都是Background。
然后根据标签对应的区域使用与之对应的类别索引来填充该图像，也就是说，将cat对应的区域用1填充，dog对应的区域用2填充。
特别注意的是，一定要有Background这一项且一定要放在index为0的位置。
'''

# 分类标签，一定要包含'Background'且必须放在最前面
category_types = ['Background', 'mouth', 'ears', 'eyes', 'nose']
# 将图片标注json文件批量生成训练所需的标签图像png
imgpath_list = os.listdir(r'image')
for img_path in imgpath_list:
    img_name = img_path.split('.')[0]
    img = cv2.imread(os.path.join(r'image', img_path))
    h, w = img.shape[:2]
    # 创建一个大小和原图相同的空白图像
    mask = np.zeros([h, w, 1], np.uint8)

    with open(r'json/'+img_name+'.json', encoding='utf-8') as f:
        label = json.load(f)

    shapes = label['shapes']
    for shape in shapes:
        category = shape['label']
        points = shape['points']
        # 将图像标记填充至空白图像
        points_array = np.array(points, dtype=np.int32)
        mask = cv2.fillPoly(mask, [points_array], category_types.index(category))

    # 生成的标注图像必须为png格式
    cv2.imwrite(r'masks/'+img_name+'.png', mask)

三、打包示例文件和下载链接

链接：https://pan.baidu.com/s/1Y_8wvZ14OkDG0PBHTl7hjA?pwd=enlg

提取码：enlg

0 条评论