使用labelme制作自己的数据集

# python3
conda create --name=labelme python=3.6
source activate labelme
# conda install -c conda-forge pyside2
# conda install pyqt
pip install pyqt5  # pyqt5 can be installed via pip on python3
pip install labelme

这是在anaconda下安装labelme

安装好后在cmd输入activate labelme激活labelme环境

在输入labelme运行程序

通过open读取文件，选择create polygons对想要的区域进行编辑

随后会生成如下文件：

找到labelme安装路径下的script，找到labelme_json_to_dataset.exe所在目录

将所有.json文件复制粘贴到这下面，并且在此目录下运行cmd，激活labelme,输入指令

python labelme_json_to_dataset.exe 图片文件.json

即可获得一个图片文件.json的文件夹

对于每个json文件生成一个dataset(包含 img.png，info.yaml，label.png，label_names.txt, label_viz.png)：

其中json文件夹下的label.png为16位格式，要转化为8位 vs2015+opencv:

#include <stdio.h>
#include <iostream>
using namespace std;
using namespace cv;
int main(void) {
    char buff1[];
    char buff2[];
    for (int i = ; i<; i++) {
        sprintf_s(buff1, "C:/mypic/labelme_json/%d_json/label.png", i);
        sprintf_s(buff2, "C:/mypic/cv2_mask/%d.png", i);
        //sprintf(buff1,"/media/lj/FA68-10A6/test_drug/disp/disp_%d.png",i);
        //sprintf(buff2,"/media/lj/FA68-10A6/test_drug/disp_8/disp_%d.png",i);
        Mat src;
        //Mat dst;
        src = imread(buff1, CV_LOAD_IMAGE_UNCHANGED);
        Mat ff = Mat::zeros(src.rows, src.cols, CV_8UC1);
        for (int k = ; k<src.rows; k++) {
            for (int kk = ; kk<src.cols; kk++) {
                int n = src.at<ushort>(k, kk);
                ff.at<uchar>(k, kk) = n;
            }
        }
        //src.copyTo(dst);
        //imshow("haha",ff*100);
        //waitKey(0);
        imwrite(buff2, ff);
    }
    return ;
}

不过我使用是这段代码时一直出错，后来有看到说新版的labelme直接生产8位的图片，只是表现为彩色而已

打开图片的详细信息，确定为8位