Labelme安装教程（基于anaconda）
1. 创建anaconda虚拟环境labelme
conda create -n labelme python=3.6
完成之后如图所示（由于我已经创建了labelme故这里用labelme1代替）
激活环境：
conda activate labelme
执行完这一步会发现运行环境转移到了labelme，如果没有重新创建
2. 安装labelme所需要的依赖环境
安装的时候使用pip或者conda都可以，两者之中有一个不行时尝试使用另一个，我在安装的时候也是时好时坏，有点玄学
conda install pyqt
conda install pillow
这两个库的安装可能还需要别的依赖环境，请读者自行查阅，这里不再赘述
3.安装labelme
conda install labelme=3.16.2
#conda安装命令如果出错也可以使用pip命令，使用逻辑等号"=="
pip install labelme==3.16.2
这一步一定要注意安装的版本号，如果直接安装labelme不标注版本号在后续json到dataset的时候会出现异常，一般来说3.16的版本都可以，至此安装过程就结束了，下面介绍labelme的使用方法。
4.使用labelme标注图片
在刚才安装好的窗口下输入labelme后便可打开labelme
界面如图
在使用过程中建议大家一打开文件（OpenDir）的方式读取图片，这样可以通过NextImage和PreImage键来查看前后的图片。打开图片之后，右键可以选择标注的工具，例如目标检测使用的矩形、heatmap使用的圆形以及关键点检测使用的点和线。
标注完之后点击save进行保存，注意：最好把标注完的json文件与原图存放在一个目录下，这样在后期查看的时候可以看到原图与标注区域的叠加，而不单单是原图。
5.Json To Dataset
得到json文件之后，我们要将其转化成数据集使用，这里涉及到labelme源码的更改
首先，找到labelme的json_to_dataset.py
找到anaconda的安装位置，例如我安装在D盘，然后找到下面说的具体位置：D:\Anaconda\envs\labelme\Lib\site-packages\labelme\cli，进入之后会发现有几个python source file，打开json_to_dataset.py，将代码做如下更改：
import argparse
import json
import os
import os.path as osp
import warnings
import PIL.Image
import yaml
from labelme import utils
import base64
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
if args.out is None:
out_dir = osp.basename(json_file).replace('.', '_')
out_dir = osp.join(osp.dirname(json_file), out_dir)
else:
out_dir = args.out
if not osp.exists(out_dir):
os.mkdir(out_dir)
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))
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)
out_dir = osp.basename(count[i]).replace('.', '_')
out_dir = osp.join(osp.dirname(count[i]), out_dir)
if not osp.exists(out_dir):
os.mkdir(out_dir)
PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))
#PIL.Image.fromarray(lbl).save(osp.join(out_dir, 'label.png'))
utils.lblsave(osp.join(out_dir, 'label.png'), lbl)
PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))
with open(osp.join(out_dir, '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_dir, 'info.yaml'), 'w') as f:
yaml.safe_dump(info, f, default_flow_style=False)
print('Saved to: %s' % out_dir)
if __name__ == '__main__':
main()
将之前标注好的json文件单独提取出来，放在一个目录下，然后进入我们批量处理的环境中，也就是执行把jaso->dataset的目录：D:\Anaconda\envs\labelme\Scripts
这个目录下有执行程序：
.
下面就可以进行json文件批量处理了，exe程序后边是之前的json单独建立的目录
labelme_json_to_dataset.exe D:\Spyder\label_dataset
成功执行后结果如下图，其保存的地址为相对地址，就是在D:\Anaconda\envs\labelme\Scripts下
如果安装的labelme版本是3.16.2的，应该不会有问题；有异常抛出的话，大概率是版本不兼容，建议重新创建环境安装