(目录)

写在前面，本文为作者本人在学习使用labelme过程中遇到的各种问题，记录于此，希望对其他同学有所帮助。

1. labelme安装

labelme是麻省理工（MIT）的计算机科学和人工智能实验室（CSAIL）研发的图像标注工具，人们可以使用该工具创建定制化标注任务或执行图像标注。

1.1 Anaconda安装

Anaconda可以理解为是用来管理python各种库的，不同的程序需要库的版本和类别可能不同，这时我们就可以使用Anaconda对其分别创建一个虚拟环境，在这个虚拟环境中安装对应程序所需要的包(ps：虽然pycharm也可以创建虚拟环境，但是Anaconda的优点不止于此，建议安装)。 在Anaconda官网下载安装即可，安装过程不做赘述，可在csdn查找。 安装完成可以看到如下内容：

1.2 创建虚拟环境 labelme

1.2.1 进入Anaconda Prompt创建

创建名为labelme的虚拟环境，输入python版本

conda create -n labelme python=3.9

1.2.2 在Anaconda Navigator 中创建

1.3 安装包

在安装依赖的包前，要先切换到创建的虚拟环境

conda activate labelme

安装包

conda install pyqt

conda install pillow

pip install labelme==3.16.2

conda install scikit-image

2. labelme的使用

1. 进入Anaconda Prompt
2. 切换到虚拟环境 conda activate labelme
3. 输入命令：labelme 运行 在这里修改标注形状 标注完成后，点击 Save，会保存对应的 json 数据

3. labelme批量实现json_to_dataset

修改虚拟环境中labelme中的json_to_dataset.py文件 E:\environment\PythonEnvi\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli 修改为以下内容：

import argparse
import json
import os
import os.path as osp
import warnings
 
import PIL.Image
import yaml
 
from labelme import utils
import base64
 
import numpy as np
from skimage import img_as_ubyte
 
def main():
    warnings.warn("This script is aimed to demonstrate how to convert the\n"
                  "JSON file to a single image dataset, and not to handle\n"
                  "multiple JSON files to generate a real-use dataset.")
    parser = argparse.ArgumentParser()
    parser.add_argument('json_file')
    parser.add_argument('-o', '--out', default=None)
    args = parser.parse_args()
 
    json_file = args.json_file
 
    count = os.listdir(json_file) 
    for i in range(0, len(count)):
        path = os.path.join(json_file, count[i])
        if os.path.isfile(path):
            data = json.load(open(path))
 
			##############################
			#save_diretory
            out_dir1 = osp.basename(path).replace('.', '_')
            save_file_name = out_dir1
            out_dir1 = osp.join(osp.dirname(path), out_dir1)
 
            if not osp.exists(json_file + '\\' + 'labelme_json'):
                os.mkdir(json_file + '\\' + 'labelme_json')
            labelme_json = json_file + '\\' + 'labelme_json'
 
            out_dir2 = labelme_json + '\\' + save_file_name
            if not osp.exists(out_dir2):
                os.mkdir(out_dir2)
 
			#########################
 
            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)
            
			
			
            captions = ['{}: {}'.format(lv, ln)
                for ln, lv in label_name_to_value.items()]
            lbl_viz = utils.draw_label(lbl, img, captions)
             
            PIL.Image.fromarray(img).save(out_dir2+'\\'+save_file_name+'_img.png')
            #PIL.Image.fromarray(lbl).save(osp.join(out_dir2, 'label.png'))
            utils.lblsave(osp.join(out_dir2, save_file_name+'_label.png'), lbl)
            PIL.Image.fromarray(lbl_viz).save(out_dir2+'\\'+save_file_name+
            '_label_viz.png')
 
            with open(osp.join(out_dir2, '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_dir2, 'info.yaml'), 'w') as f:
                yaml.safe_dump(info, f, default_flow_style=False)
				
				
			#save png to another directory
            if not osp.exists(json_file + '\\' + 'mask_png'):
                os.mkdir(json_file + '\\' + 'mask_png')
            mask_save2png_path = json_file + '\\' + 'mask_png'
 
            utils.lblsave(osp.join(mask_save2png_path, save_file_name+'_label.png'), lbl)
 
            print('Saved to: %s' % out_dir2)
            
if __name__ == '__main__':
    main()

1. 进入Anaconda Prompt
2. 切换到虚拟环境 conda activate labelme
3. 切换到json_to_dataset所在文件夹
   1. E:
   2. cd json_to_dataset所在文件夹
      cd E:\environment\PythonEnvi\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli
4. python json_to_dataset.py json文件所在文件夹
   python json_to_dataset.py F:\2024\11_project\04_lvmoban\U_Net\U-Net\demo

4. 常见问题汇总

4.1 UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xff in position 0

起初以为是json_to_dataset文件中的编码问题，但是当我重新新建一个文件夹，里面只有json文件时，问题就解决了。 原因：文件夹中存在非json文件

4.2 module 'labelme.utils' has no attribute 'draw_label'

重新安装labelme

pip install labelme==3.16.2

4.3 Polygon must have points more than 2

原因：存在标注的点数太少了的区域，需要大于2。

4.4 ModuleNotFoundError: No module named 'skimage'

conda install scikit-image

4.5 Inconsistent use of tabs and spaces in indentation

空格和Tab不能同时使用，可以notepad++中查看