图像手动标注-labelme+yolo格式导出

conda环境

运行以下命令来激活你的虚拟环境：

conda activate labelme

如果你没有创建 labelme 环境，首先需要创建一个环境并安装 labelme：

conda create -n labelme python=3.8
conda activate labelme
conda install -c conda-forge labelme

安装 Qt 相关依赖

conda install pyqt

激活环境后，在同一个命令行窗口中运行以下命令来启动 labelme：

labelme

这条命令将会启动 labelme 图形界面，你可以开始加载图片并进行标注。

LabelMe 提供了几种常见的标注方式：

• 矩形框（RectBox）：点击并拖动来标注矩形框，适用于目标检测任务。
• 多边形（Polygon）：点击每个点来创建一个多边形，适用于不规则形状的目标。
• 线（Line）：标注直线，用于某些特定任务。
• 点（Point）：标注单个点，通常用于关键点检测任务。

保存标注

每次标注完成后，可以点击 “Save” 按钮来保存你的标注。LabelMe 会将标注保存为 JSON 格式文件，文件内容包含标注框的位置、类别以及图片的其他信息。

• 保存后的文件通常会以 .json 扩展名结尾。例如：image1.json。

利用python将json文件关键信息导出为yolo格式便于使用

import json
import os

# 类别映射：定义 JSON 文件中的类别名称到 YOLO 编号的映射
class_mapping = {
    "egret": 0,
    "cattle_egret": 1,
    "heron": 2,
    "magpie": 3
}

# 数据集文件夹路径
base_folder = "E:/shixi/other_images/other_images"  # 替换为你的数据集根目录

# 遍历每个类别文件夹
for class_name in ["egret", "cattle_egret", "heron", "magpie"]:
    class_folder = os.path.join(base_folder, class_name)

    # 遍历类别文件夹中的每个 JSON 文件
    for file in os.listdir(class_folder):
        # 查找 .json 文件
        if file.endswith(".json"):
            json_path = os.path.join(class_folder, file)
            print(f"Processing JSON file: {json_path}")

            # 打开 JSON 文件
            with open(json_path, "r") as f:
                data = json.load(f)

            # 获取图像文件名前缀
            image_name = file.replace(".json", "")
            txt_filename = f"{image_name}.txt"
            txt_path = os.path.join(class_folder, txt_filename)

            # YOLO 格式的标注内容
            yolo_lines = []

            # 遍历 JSON 文件中的标注信息
            for shape in data["shapes"]:
                label = shape["label"]
                if label in class_mapping:
                    class_id = class_mapping[label]

                    # 获取边界框的坐标
                    points = shape["points"]
                    x_min = min(points[0][0], points[1][0])
                    y_min = min(points[0][1], points[1][1])
                    x_max = max(points[0][0], points[1][0])
                    y_max = max(points[0][1], points[1][1])

                    # 计算 YOLO 格式的中心点和宽高
                    x_center = (x_min + x_max) / 2 / data["imageWidth"]
                    y_center = (y_min + y_max) / 2 / data["imageHeight"]
                    width = (x_max - x_min) / data["imageWidth"]
                    height = (y_max - y_min) / data["imageHeight"]

                    # 添加到 YOLO 格式的标注行
                    yolo_lines.append(f"{class_id} {x_center} {y_center} {width} {height}\n")

            # 将 YOLO 格式的内容写入 .txt 文件
            with open(txt_path, "w") as f:
                f.writelines(yolo_lines)

            print(f"Converted {json_path} to {txt_path}")