LabelMe安装与使用

LabelMe简介：

官方仓库：https://github.com/wkentaro/labelme

LabelMe 是一个基于 Python 的开源图像标注工具。

客户端工具，非浏览器网页。

目前支持的标注工具类型有：多边形、矩形、圆、直线、点

windows安装LabelMe：

不需要你本机安装 python，直接安装 anaconda 即可。

第1步：安装 Anaconda

Anaconda 是一个开源的 Python 发行版本，包含了 conda、Python 等多个科学计算相关的包和依赖项。

同时 Anaconda 也是 python 的版本管理器，可以在本电脑上安装使用多个不同版本的 python。

安装软件下载地址：https://www.anaconda.com/products/distribution

仅支持 windows 64位系统，目前最新版为： https://repo.anaconda.com/archive/Anaconda3-2023.03-Windows-x86_64.exe

软件安装过程就和普通软件类似，下一步，下一步...

第2步：打开 Anaconda Prompt 命令窗口

你可以通过 windows 的开始 > 程序 > Anaconda3(64-bit) > Anaconda Prompt

请注意：因为 conda 命令只能在 anaconda prompt 命令窗口中执行，所以你需要先找到并打开它，才能进行下面的第 3 步。

第3步：创建和安装 LabelMe

在 Anaconda Prompt 命令窗口中，依次输入执行下面命令：

conda create --name=labelme python=3

上面命令中你可以填写具体的 python 版本号，例如：python=3.10.9

source activate labelme
pip install labelme

若一切顺利，则已安置 LabelMe 成功。

第4步：启动 LabelMe

以后，每次想启动 LabelMe，只需在 Anaconda Prompt 命令窗口中输入执行：

labelme

会弹出 LabelMe 的运行界面，至此启动成功

直接通过.exe方式启动 LabelMe：

在完成上面第 3 步 labelme 的安装后，我们也可以不通过第 4 步命令方式启动 labelme，而是直接去通过 labelme.exe 去启动。

使用 anaconda 安装的程序或脚本都存放在 ./Scripts/ 下，我们只需在这个目录下找到 labelme.exe 双击运行即可。

例如我本机对应的目录：

D:\ProgramData\anaconda3\Scripts\labelme.exe

特别补充说明：

除了 labelme.exe 之外，在 ./Scripts/ 目录里我们还能看到其他几个相关 .exe 程序：

labelme_draw_json.exe
labelme_draw_label_png.exe
labelme_json_to_dataset.exe
labelme_on_docker.exe
labelme-studio.exe
...

这几个程序都对应 labelme 一些相关的命令，每一个都有自己的一些特殊用途。

对于我们而言，前 3 个是比较重要的，它们具有 "数据转换" 功能，稍后在本文的 "labelme基础用法"中简单讲解一下。

至于后面其他的 .exe，看到它们的一些名称，也几乎能猜出来它们的作用。

启动LabelMe时的配置参数：

在 Anaconda Prompt 命令窗口中输入 labelme 即可启动 LabelMe 客户端，这相当于不带任何配置项的启动。

labelme --help

可以看到 labelme 所支持的各种命令参数：

usage: labelme [-h] [--version] [--reset-config] [--logger-level {debug,info,warning,fatal,error}] [--output OUTPUT]
               [--config CONFIG] [--nodata] [--autosave] [--nosortlabels] [--flags FLAGS] [--labelflags LABEL_FLAGS]
               [--labels LABELS] [--validatelabel {exact}] [--keep-prev] [--epsilon EPSILON]
               [filename]

其中比较重要的 2 个参数是：

--flags FLAGS：用于配置分类列表
--labelflags LABEL_FLAGS：用于配置分类的属性列表
```
labelme --labelflags xxx
```
xxx 即可以是字符串形式的 JSON 字面值，也可以是一个包含 JSON 的 xxx.json 文件路径

LabelMe的基础用法

打开某个目录：

在左侧面板中，点击 Open Dir 可以浏览到本地某个目录，点击确定后会自动扫描该目录(含子目录)下的所有图片。

将扫描到的图片自动为一个可迭代的列表中。

添加绘制标注对象：

在左侧面板或通过鼠标右键，选择标注绘制工具，例如 Create Polygons 等工具，可以进行标注绘制。

保存标注结果：

当标注完成后，可以点击菜单中的 Save 将标注结果进行保存。

会根据当前标注的图片名称，自动生成一个 xxx.json 的文件，这里面就是标注结果。

预览保存结果的比对：

对应的是 ./Scripts/labelme_draw_json.exe 程序

假设我们已经保存并得到了 xxx.json，那么在 Anaconda Prompt 命令窗口中执行：

labelme_draw_json xxx.json

执行上述命令后大约 1 ~ 2 秒，就会弹出一个窗口，里面会左右显示 2 张图片：

左侧图片：被标注的原始图片
右侧图片：灰色的原始图片作为底图 + 添加的标注结果对应的色块

将.json结果转化为数据集：

对应的是 ./Scripts/labelme_json_to_dataset.exe 程序

我们前面保存得到的 xxx.json 仅仅是我们使用 labelme 软件标注的结果，并不是供 AI 训练的数据集。数据集的英文单词为：dataset

xxx.json 文件转数据集(dataset) 的步骤为，在 Anaconda Prompt 命令窗口中执行：

labelme_json_to_dataset xxx.json

上述命令执行成功后，会在 xxx.json 相同目录下生成一个同名文件夹，里面包含：

img.png：被标注的原始图片
label.png：标注的填充色块，未被标注的部分为纯黑色背景
label_name.txt：一些信息
label_viz.png：被标注图片与标注填充色块的叠加图

如果你想将转的数据集存放到指定目录，假定该目录为 ./your-dir/，则添加参数即可：

labelme_json_to_dataset xxx.json --out ./your-dir

请注意：上述命令仅为执行单条 .json 文件转数据集，官方并未提供批量转换的命令。

那如果我想批量转该怎么办？

先插入一个话题：

为什么需要在 Anaconda Prompt 命令窗口中执行 labelme 各种命令？

因为我们是通过 anaconda 安装的 labelme 程序，所以 labelme 启动的环境路径变量只有 anaconda 知道，这就是为什么在别的命令窗口中执行 labelme 或 labelme_json_to_dataset 会提示找不到对应程序的原因。

而解决这个问题很简单：我们只要把 labelme.exe 或 labelme_json_to.dataset.exe 路径添加到系统环境变量中即可。

当然为了更省事，我们可以直接将 anaconda 安装目录中的 Scripts 目录添加到系统环境变量 Path 中。

这样，我们就可以在普通的命令窗口中去执行 labelme 或 labelme_json_to_dataset 等命令了。

再回到批量转化数据的这个事情上。

批量转换数据集：

如果你想批量转，则需要手工写一个 bat 脚本，扫描当前目录下的所有 .json 文件然后逐一执行 labelme_json_to_dataset xxxxx.json 即可。

for %%i in (*.json) do (
labelme_json_to_dataset "%%i"
)
pause

也可以使用 node.js 实现，并且加入很多逻辑细节：

const { readdir } = require('node:fs')
const { basename, join, isAbsolute } = require('node:path')
const { exec } = require('node:child_process')
const { argv } = require('node:process')

let index = 0
let jsonList = []
let failList = []

const dicPath = isAbsolute(String(argv[2])) ? argv[2] : join(__dirname, argv[2] || '.')
const savePath = isAbsolute(String(argv[3])) ? argv[3] : (argv[3] ? join(__dirname, argv[3]) : dicPath)

const toDataset = () => {
    if (index < jsonList.length) {
        const file = jsonList[index]
        const infoStr = `${index + 1}/${jsonList.length}`
        console.log(`${infoStr}: ${file} 开始处理`)
        const outValue = join(savePath, basename(file).split('.').join('_'))
        exec(`labelme_json_to_dataset ${file} --out ${outValue}`, (err, stdout, stderr) => {
            if (err) {
                failList.push(file)
                console.log(`${infoStr}: ${file} 处理失败`)
            } else {
                console.log(`${infoStr}: ${file} 处理完成`)
            }
            index++
            toDataset()
        })
    } else {
        const failLength = failList.length
        const successLength = jsonList.length - failLength
        console.log(`全部处理完毕: ${successLength} 个完成、${failLength} 个失败`)
    }
}

const startAnalysis = () => {

    readdir(savePath, (err, files) => {
        if (err) {
            console.log(`保存目录不存在，无法继续: ${savePath}`)
            return
        } else {
            if (files.length) {
                console.log(`保存目录当前已存在 ${files.length} 个文件，接下来的操作中若出现相同名称则会覆盖已有的文件！`)
            }
            readdir(dicPath, (err, files) => {
                if (err) {
                    console.log(`扫描目录失败: ${dicPath}`)
                    console.log(err)
                    return
                }
                index = 0
                failList = []
                jsonList = files.filter(file => file.endsWith('.json')).map(item => join(dicPath, item))
                console.log(`扫描到当前目录下一共有 ${jsonList.length} 个JSON文件`)

                toDataset()

            })
        }
    })

}

startAnalysis()

假定我们的代码文件为 dataset.js、包含 .json 文件的目录为 myjson，那么：

可以把 dataset.js 放到包含 .json 文件的目录中，然后执行
```
node dataset.js
```
也可以把 dataset.js 文件放到其他目录，把要包含 .json 文件的目录路径作为命令参数传入
```
node dataset.js ./xx/myjson
```
如果想至指定数据集的输出目录，可以继续添加命令参数
```
node dataset.js ./xx/myjson ./yy/mydataset
```
上面命令中的目录路径，可以写相对路径，也可以写本机的绝对路径

另外一个命令：labelme_draw_label_png xxx.jpg

这个命令我暂时也不清楚具体是做什么用途的，以后用到了再说。

保存结果.json文件字段说明

LabelMe 的保存 JSON 规范中， "shapes": [] 用于保存所有的标注对象列表。

不同标注类型的结果差异，除了 "shape_type": xx 外，最主要体现在 "points":[] 的值不同。

points:[] 中值的含义：

rectangle：左上角点坐标、右下角点坐标
circle：圆心坐标、圆圈上的落笔点

换句话说圆是有方向的
point：点的坐标
line：2点构成的直线，起始点、终点
linestrip：N点构成的折线
polygon：2+N点构成的封闭多边形

其他属性字段说明：

"version"：当前版本
"flags"：你可以理解为 “全局标签”
"imagePath"：当前 .json 文件对应的图片路径
"imageData"：以 base64 形式保存的图片数据，可以设置为 null 或不存在该字段
"imageWidth"：对应图片的宽度

请注意：假设 imageData 为 null，imageWidth 设置多少都不影响最终显示结果，因为 LabelMe 会根据 imagePath 去读取并添加标注对象
"imageHeight"：对应图片的高度

坦白来说，作为图片标注工具，LabelMe 并不算强大，毕竟它所包含的标注工具种类比较少。

只不过由于 LabelMe 是开源免费的，在不处理复杂标注时是不错选择。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

LabelMe安装与使用.md

LabelMe安装与使用.md

LabelMe安装与使用

LabelMe简介：

windows安装LabelMe：

启动LabelMe时的配置参数：

LabelMe的基础用法

保存结果.json文件字段说明

Files

LabelMe安装与使用.md

Latest commit

History

LabelMe安装与使用.md

File metadata and controls

LabelMe安装与使用

LabelMe简介：

windows安装LabelMe：

启动LabelMe时的配置参数：

LabelMe的基础用法

保存结果.json文件字段说明