本来打算是将这两部分分开的，但写完虚拟环境的创建似乎字数太少了，不过二者有关联，所以就放一起了。简单介绍一下，虚拟环境的创建有win11系统已经Ubuntu系统，labelme教程包括了下载及其使用的全部流程，以及我本人平时标注时使用的案例和快捷键，文末分享了json转png的脚本。希望这个教程能解决你的问题。
目录
Anaconda创建虚拟环境
win 11系统
Ubuntu系统
labelme的下载以及使用
1、激活环境
2、下载指定版本
3、创立图片文件夹
4、使用labelme标注
5、使用脚本将json转为png
Anaconda创建虚拟环境
win 11系统
我的是win11系统，可以点击搜索。或者是按下win+s键打开。
在里面输入Anaconda Prompt
初始是这样的：
(base) C:\Users\honor>（base）是一个基础的环境，在这里我们先查看我们的虚拟环境
输入conda env list
除了base，其他都是我创建的虚拟环境，当然有的一直没有用。
然后我们需要创建自己的环境：conda create -n env_name python=3.7
env-name就是环境的名称，可随意更改，python=3.7是环境安装的python版本，也可按需更改，高版本并不好，常常会出现一些bug，我最爱用的还是3.7及其下的版本。
- 激活环境：activate env_name，然后你就可以根据需要pip下载包了
- 退出环境：deactivate，我通常会省去这步，直接activate 其他的虚拟环境名，这样方便转换到其他虚拟环境
- 删除虚拟环境：conda remove -n env_name --all
Ubuntu系统
当然啦，由于我们实验室有工作站，是Ubuntu系统的，情况类似，只是在激活环境和退出环境时，前面要加上source
- 激活环境：source activate env_name
- 退出环境：source deactivate
labelme的下载以及使用
首先，要安装好虚拟环境，如上所示，我的虚拟环境就叫labelme，专门使用它
1、激活环境
输入：activate labelme
2、下载指定版本
在该环境下，输入命令行
pip install labelme==3.16.7据前辈所说，有些版本的labelme会发生错误，具体的错误为：Too many dimensions：3 > 2，
总之，这个下就行了。由于我的已经安装好了，所以这里不展示了。
3、创立图片文件夹
在一个文件下，我希望你有以下三个文件：
- pic
- json
- lab
不管你的命名的是什么，搞清楚它们的作用就行了，pic是你需要标注的图片存放位置，json是你标注后生成的文件，lab是通过脚本将json文件转化为png格式的图片。
4、使用labelme标注
激活环境后，直接输入labelme。
(labelme) C:\Users\honor>labelme
点击右边导航栏中顺数第二个，即可打开你需要标注的图片所在的文件夹进行批量标注。
我拿网上的数据集CrackForest，做为示范。
选中你要标记的图片，点击Create Polygons（顺数第七个）。
原始图片是这样的，在标注时一定要尽可能的放大最大去标注，你的预测效果与你的标注息息相关。如下图所示
记住一定要闭环，最后一个点一定要与起点相接。这里假设我们完成后，他就会出现这样的弹窗。
在这里的crack是我们自己输入的，输入一次后会默认，当然多个物体标注时，在下面的白色画布部分会有你想要分类的记录。
如果你觉得你自己有些点标注的地方不是很如意，可以点击Edit Ploygons（顺数第八个）。当你触碰到点时对应的点会变红变大，如果你移动到了中间的红色区域，你可以对其进行拖拽，对不满意的地方进行修改，这是其中的一个修改方法。
有些快捷键是你需要掌握的：
- Ctrl+z：撤回上一个标注的点，不要一直按，它可能会同时将你已经标注好的区域全部撤回。
- Ctrl+鼠标滚轮：对图片进行放大缩小
- Alt+鼠标滚轮：左右横向移动
- 鼠标滚轮：上下移动
- Ctrl+s：保存
完成一张图后，一定一定要保存呀，位置就在json文件夹当中，保存成功后，右下角的File list对应图片的位置会有蓝底白色的小勾。
5、使用脚本将json转为png
Json2Image.py
import base64
import json
import os
import os.path as osp
import numpy as np
import PIL.Image
from labelme import utils
if __name__ == '__main__':
jpgs_path = "E:\Deeplearning\Road_Detect_Project\THREE_ZJR\zjr"
pngs_path = "E:\Deeplearning\Road_Detect_Project\THREE_ZJR\png"
# classes = ["_background_","aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
# classes = ["_background_","cat","dog"]
classes = ["_background_", "crack"]
count = os.listdir("E:\Deeplearning\Road_Detect_Project\THREE_ZJR\json")
for i in range(0, len(count)):
path = os.path.join("E:\Deeplearning\Road_Detect_Project\THREE_ZJR\json", count[i])
print(count[i])
if os.path.isfile(path) and path.endswith('json'):
data = json.load(open(path), strict=False)
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)
PIL.Image.fromarray(img).save(osp.join(jpgs_path, count[i].split(".")[0] + '.jpg'))
new = np.zeros([np.shape(img)[0], np.shape(img)[1]])
for name in label_names:
index_json = label_names.index(name)
index_all = classes.index(name)
new = new + index_all * (np.array(lbl) == index_json)
utils.lblsave(osp.join(pngs_path, count[i].split(".")[0] + '.png'), new)
print('Saved ' + count[i].split(".")[0] + '.jpg and ' + count[i].split(".")[0] + '.png')
在这里面，凡是出现了路径都要改，对应的部分一定要分清楚，然后所需要分的类型也要修改，也就是classes变量。接着点击运行就可以了。我的建议呢就是每个工程文件下都留有这个py文件，有好处的。
