操作步骤

执行json_to_dataset.py文件，批量将json转为dataset

执行get_jpg_and_png.py文件，生成对应的png灰度图

注意：使用 3.16.2版本的labelme, 博主试过4.2.10版本的labelme，会报错，没有draw.py文件。

且博主试过了，将3.16.2版本的draw.py文件拷贝到4.2.10文件夹下的utils文件中，自己构建也是不行的，会报错。应该得改动draw.py文件中的内容吧。

以下代码为全部代码，可直接运行。

1. json_to_dataset.py 代码（批量将json转为dataset）：

# -*- encoding: utf-8 -*-"""@File    : json_to_dataset.py.py@Time    : 2020/5/28 18:09@Author  : ligang@WeChat   : by15188607997@Software: PyCharm@explain：本文件为将json文件批量转为dataset"""import argparseimport jsonimport osimport os.path as ospimport warningsimport PIL.Imageimport yamlfrom labelme import utilsimport base64# 使用 3.16.2版本的labelme, 博主试过4.2.10版本的labelme，会报错，没有draw.py文件。# 且博主试过了，将3.16.2版本的draw.py文件拷贝到4.2.10文件夹下的utils文件中，自己构建也是不行的，会报错。# 应该得改动draw.py文件中的内容吧。def main(frompath, outputpath):    count = os.listdir(frompath)    for i in range(0, len(count)):        path = os.path.join(frompath, 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'])                print(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)            captions = ['{}: {}'.format(lv, ln)                        for ln, lv in label_name_to_value.items()]            lbl_viz = utils.draw_label(lbl, img, captions)            out_dir = osp.basename(count[i]).replace('.', '_')            out_dir = osp.join(osp.dirname(count[i]), out_dir)            out_dir = osp.join(outputpath, out_dir)            if not osp.exists(out_dir):                os.mkdir(out_dir)            PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))            utils.lblsave(osp.join(out_dir, 'label.png'), lbl)            PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))            with open(osp.join(out_dir, 'label_names.txt'), 'w') as f:                for lbl_name in label_names:                    f.write(lbl_name + '\n')            warnings.warn('info.yaml is being replaced by label_names.txt')            info = dict(label_names=label_names)            with open(osp.join(out_dir, 'info.yaml'), 'w') as f:                yaml.safe_dump(info, f, default_flow_style=False)            print('Saved to: %s' % out_dir)if __name__ == '__main__':    # 源图片、json 文件路径    frompath = "./before/"    # 生成数据保存路径    outputpath = "./output"    if not osp.exists(outputpath):        os.mkdir(outputpath)    main(frompath, outputpath)

结果：保存在输出的output文件中，此文件作用同 labelme_json_to_dataset <**.json> 作用。上面代码是批量的。

2. get_jpg_and_png.py代码（生成对应的png灰度图）：

注意：class_name.txt文件中的类需要手动填写。

# -*- encoding: utf-8 -*-"""@File    : get_jpg_and_png.py@Time    : 2020/5/28 18:07@Author  : ligang@WeChat   : by15188607997@Software: PyCharm"""import osfrom PIL import Imageimport numpy as npdef main(frompath_jpg, outputpath_json, output_jpg, output_png, path_allclass):    # 读取原文件夹    count = os.listdir(frompath_jpg)    for i in range(0, len(count)):        # 如果里的文件以jpg结尾        # 则寻找它对应的png        if count[i].endswith("jpg"):            path = os.path.join(frompath_jpg, count[i])            img = Image.open(path)            img.save(os.path.join(output_jpg, count[i]))            print(count[i].split(".")[1])            # 找到对应的png            path = outputpath_json + count[i].split(".")[0] + "_json/label.png"            img = Image.open(path)            # 找到全局的类            class_txt = open(path_allclass, "r")            class_name = class_txt.read().splitlines()            # ["bk","cat","dog"]            # 打开json文件里面存在的类，称其为局部类            with open(outputpath_json + count[i].split(".")[0] + "_json/label_names.txt", "r") as f:                names = f.read().splitlines()                # ["bk","dog"]                new = Image.new("RGB", [np.shape(img)[1], np.shape(img)[0]])                for name in names:                    # index_json是json文件里存在的类，局部类                    index_json = names.index(name)                    # index_all是全局的类                    index_all = class_name.index(name)                    # 将局部类转换成为全局类                    new = new + np.expand_dims(index_all * (np.array(img) == index_json), -1)            new = Image.fromarray(np.uint8(new))            print(output_png)            new.save(os.path.join(output_png, count[i].replace("jpg", "png")))            print(np.max(new), np.min(new))if __name__ == '__main__':    # 全局类（所有标签总共有多少类） 如：    # _background_（不可少）    # Albatross    # _Yellowthroat    path_allclass = "./before/class_name.txt"    # 源图片、json 文件路径    frompath_jpg = "./before/"    # 生成数据保存路径    outputpath_json = "./output/"    # 生成jpg数据的保存位置    output_jpg = "./traindata/jpg/"    # 生成png数据的保存位置    output_png = "./traindata/png/"    if not os.path.exists(output_jpg):        os.makedirs(output_jpg)    if not os.path.exists(output_png):        os.makedirs(output_png)    main(frompath_jpg, outputpath_json, output_jpg, output_png, path_allclass)

结果：成果保存在traindata文件夹下。生成的png图片为二值化图。像素变化从（1,1，1）开始的眼是看不来的，可以用取色器进行取色验证下。

目录结构：

转载地址：http://ibhof.baihongyu.com/

你可能感兴趣的文章