LabelMe to YOLOv8 Converter
这是一个 Python 脚本，用于将 LabelMe 标注工具导出的 JSON 文件转换为 YOLOv8 格式的标注文件，并同时在图像上绘制标注的多边形。
功能
- 读取
LabelMeJSON 文件。 - 解码并显示图像。
- 从
classes.txt文件加载类别标签。 - 将多边形标注转换为 YOLOv8 的格式。
- 在图像上绘制多边形标注。
- 将原始图像和带有标注的图像拼接在一起并保存。
- 保存 YOLOv8 格式的标注文件。
安装
确保安装了以下依赖包：
- OpenCV (
pip install opencv-python) - NumPy (
pip install numpy)
使用方法
- 将此脚本放置在包含 LabelMe JSON 文件的目录内。
- 在同一目录下创建一个
classes.txt文件，每行一个类别标签。 - 运行脚本，并指定 JSON 文件所在的目录作为命令行参数。
命令行参数
/path/to/json/files: 包含 LabelMe JSON 文件的目录路径。
示例
python script.py /path/to/json/files
代码
import os
import json
import base64
import cv2
import numpy as np
def draw_polygon(image, points, color=(0, 255, 0), thickness=2):
"""
在给定图像上绘制一个多边形。
:param image: 待绘制多边形的图像（numpy数组）
:param points: 多边形顶点坐标列表
:param color: 多边形的颜色 (B, G, R)
:param thickness: 边缘线条厚度
"""
# 绘制多边形轮廓
cv2.polylines(image, [np.int32(points)], isClosed=True, color=color, thickness=thickness)
# 绘制多边形内部
cv2.fillPoly(image, [np.int32(points)], color=color)
def concat_images(image1, image2):
"""
拼接两个图像为一个垂直堆叠的图像。
:param image1: 第一张图像（numpy数组）
:param image2: 第二张图像（numpy数组）
:return: 垂直拼接后的图像（numpy数组）
"""
# 确保两个图像的宽度相同
max_height = max(image1.shape[0], image2.shape[0])
max_width = max(image1.shape[1], image2.shape[1])
# 调整图像大小以匹配最大宽度
if image1.shape[1] < max_width:
image1 = cv2.copyMakeBorder(image1, 0, 0, 0, max_width - image1.shape[1], cv2.BORDER_CONSTANT, value=[255, 255, 255])
if image2.shape[1] < max_width:
image2 = cv2.copyMakeBorder(image2, 0, 0, 0, max_width - image2.shape[1], cv2.BORDER_CONSTANT, value=[255, 255, 255])
# 如果需要，调整图像高度以匹配最大高度
if image1.shape[0] < max_height:
image1 = cv2.copyMakeBorder(image1, 0, max_height - image1.shape[0], 0, 0, cv2.BORDER_CONSTANT, value=[255, 255, 255])
if image2.shape[0] < max_height:
image2 = cv2.copyMakeBorder(image2, 0, max_height - image2.shape[0], 0, 0, cv2.BORDER_CONSTANT, value=[255, 255, 255])
# 拼接图像
return np.vstack((image1, image2))
def convert_labelme_to_yolov8(json_dir):
"""
将 LabelMe 格式的标注转换为 YOLOv8 格式，并绘制多边形到图像上。
:param json_dir: 包含 LabelMe JSON 文件的目录路径
"""
# 生成颜色列表
color_list = [
(0, 0, 255), # Red
(0, 255, 0), # Green
(255, 0, 0), # Blue
(0, 255, 255), # Yellow
(255, 255, 0), # Cyan
(255, 0, 255), # Magenta
(0, 165, 255), # Orange
(203, 192, 255), # Pink
(42, 42, 165), # Brown
(0, 128, 128), # Olive
(128, 128, 0), # Teal
(238, 130, 238), # Violet
(128, 128, 128), # Gray
(192, 192, 192), # Silver
(0, 0, 128), # Maroon
(128, 0, 128), # Purple
(0, 0, 128), # Navy
(0, 255, 0), # Lime
(0, 255, 255), # Aqua
(255, 0, 255), # Fuchsia
(255, 255, 255), # White
(0, 0, 0), # Black
(235, 206, 135), # Light Blue
(144, 238, 144), # Light Green
(193, 182, 255), # Light Pink
(224, 255, 255), # Light Yellow
(216, 191, 216), # Light Purple
(0, 128, 128), # Light Olive
(30, 105, 210), # Light Brown
(211, 211, 211) # Light Gray
]
# 加载类别文件
classes_file = os.path.join(json_dir, 'classes.txt')
if not os.path.exists(classes_file):
print("Error: Could not find 'classes.txt' in the specified directory.")
exit(1)
with open(classes_file, 'r') as f:
class_names = [line.strip() for line in f.readlines()]
# 获取 JSON 文件列表
json_files = [f for f in os.listdir(json_dir) if f.endswith('.json')]
for json_file in json_files:
json_file_path = os.path.join(json_dir, json_file)
# 输出文件名
output_file_name = json_file.replace('.json', '.txt')
output_file_path = os.path.join(json_dir, output_file_name)
# 读取 JSON 文件
with open(json_file_path, 'r') as f:
data = json.load(f)
image_width = data['imageWidth']
image_height = data['imageHeight']
# 解码图像数据
imageData = data.get('imageData')
if imageData is not None:
image_data = base64.b64decode(imageData)
image_np = np.frombuffer(image_data, dtype=np.uint8)
image = cv2.imdecode(image_np, cv2.IMREAD_COLOR)
# 创建一个副本用于绘制标注
annotated_image = image.copy()
# 绘制标注
for i, shape in enumerate(data['shapes']):
if shape['shape_type'] == 'polygon':
points = np.array(shape['points'], dtype=np.int32)
label = shape['label']
class_index = class_names.index(label)
color = color_list[class_index % len(color_list)]
draw_polygon(annotated_image, points, color=color)
# 保存原始图像
image_file_name = json_file.replace('.json', '.jpg')
image_file_path = os.path.join(json_dir, image_file_name)
cv2.imwrite(image_file_path, image)
# 将原始图像和带有标注的图像上下拼接
concatenated_image = concat_images(image, annotated_image)
# 保存拼接后的图像
concatenated_image_file_name = json_file.replace('.json', '_check.jpg')
concatenated_image_file_path = os.path.join(json_dir, concatenated_image_file_name)
cv2.imwrite(concatenated_image_file_path, concatenated_image)
# 显示带有标注的图像
cv2.imshow('Annotated Image', concatenated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 开始写入 YOLOv8 格式的文本文件
with open(output_file_path, 'w') as f:
for shape in data['shapes']:
if shape['shape_type'] == 'polygon':
label = shape['label']
points = shape['points']
# 获取类别索引
try:
class_index = class_names.index(label)
except ValueError:
print(f"Warning: Label '{label}' not found in 'classes.txt'. Skipping this label.")
continue
# 归一化坐标
normalized_points = []
for point in points:
x = point[0] / image_width
y = point[1] / image_height
normalized_points.extend([x, y])
# 写入 YOLOv8 格式的行
line = f"{class_index} {' '.join(map(str, normalized_points))}\n"
f.write(line)
if __name__ == '__main__':
import sys
# 从命令行参数获取 JSON 目录
if len(sys.argv) != 2:
print("Usage: python script.py /path/to/json/files")
exit(1)
json_dir = sys.argv[1]
convert_labelme_to_yolov8(json_dir)
代码结构
draw_polygon 函数
该函数在给定图像上绘制一个多边形，并填充颜色。
concat_images 函数
该函数将两张图像拼接为一个垂直堆叠的图像。
convert_labelme_to_yolov8 函数
该函数执行以下操作：
- 读取
classes.txt文件中的类别标签。 - 遍历目录中的所有 JSON 文件。
- 对每个 JSON 文件执行以下操作：
- 解码并显示图像。
- 读取 JSON 文件的内容。
- 在图像上绘制标注的多边形。
- 将原始图像与带标注的图像拼接。
- 保存拼接后的图像。
- 将多边形标注转换为 YOLOv8 格式，并保存为
.txt文件。
注意事项
- 确保
classes.txt文件正确无误地列出了所有的类别标签。 - 请确保脚本有足够的权限来读写文件。
![[Meachines] [Easy] Traverxec Nostromo RCE+SSH-私钥RSA解密+journalctl权限提升](https://img-blog.csdnimg.cn/img_convert/78048fbca489a5e4e18f6f93de66b411.jpeg)
