将 LabelMe 标签转换为 YOLO 标签

在机器学习工作流程中，数据处理是一个关键步骤。通常我们会使用不同的工具来标注数据，而每种工具都有其特定的格式。在这篇文章中，我们将介绍如何将 LabelMe 标注的数据转换为 YOLO 格式，以便在目标检测模型中使用。

LabelMe 简介

LabelMe 是一个开源的图像标注工具，广泛用于计算机视觉领域。它允许用户通过简单的界面为图像中的对象创建多边形标注。LabelMe 生成的标注数据以 JSON 格式存储，包含图像路径、尺寸、对象标签及其多边形坐标等信息。

YOLO 简介

YOLO（You Only Look Once）是一种流行的实时目标检测模型。YOLO 的标签格式相对简单，每个对象用一行表示，包含类标识符和归一化的边界框坐标。坐标格式为中心点的 (x, y) 位置以及宽度和高度。

代码实现

下面的代码展示了如何将 LabelMe 的 JSON 格式转换为 YOLO 的标签格式。

import os
import jsondef convert_labelme_to_yolo(json_file):with open(json_file, 'r') as f:data = json.load(f)image_path = data['imagePath']image_name = os.path.basename(image_path)image_width = data['imageWidth']image_height = data['imageHeight']yolo_labels = []for shape in data['shapes']:label = shape['label']points = shape['points']# 转换多边形坐标为 YOLO 格式x_min = min(point[0] for point in points)y_min = min(point[1] for point in points)x_max = max(point[0] for point in points)y_max = max(point[1] for point in points)# 计算 YOLO 格式的中心点坐标和宽高x_center = ((x_min + x_max) / 2) / image_widthy_center = ((y_min + y_max) / 2) / image_heightwidth = (x_max - x_min) / image_widthheight = (y_max - y_min) / image_height# 将 label 转换为 class_idif label.isdigit() and 1 <= int(label) <= 20:class_id = int(label) - 1  # YOLO 的 class_id 从 0 开始else:continue  # 跳过不符合要求的标签yolo_label = f"{class_id} {x_center} {y_center} {width} {height}"yolo_labels.append(yolo_label)# 保存为 YOLO 格式的文本文件，与源文件在相同路径yolo_file = os.path.splitext(json_file)[0] + '.txt'with open(yolo_file, 'w') as f:f.write('\n'.join(yolo_labels))def process_directory(input_dir):for root, _, files in os.walk(input_dir):for file in files:if file.endswith('.json'):json_file = os.path.join(root, file)convert_labelme_to_yolo(json_file)# 设置输入目录
input_dir = 'path_to_data'# 处理目录
process_directory(input_dir)print("转换完成")

代码解释

导入库：我们使用 os 和 json 库来处理文件路径和读取 JSON 数据。
convert_labelme_to_yolo 函数：
- 打开并读取 JSON 文件。
- 提取图像的基本信息，如路径、宽度和高度。
- 遍历每个标注的形状，计算多边形的最小和最大坐标以确定边界框。
- 将边界框转换为 YOLO 格式的中心点坐标和宽高，并归一化。
- 将标签转换为 class_id（假设标签是数字且在 1 到 20 之间）。
- 将转换后的标签写入新的文本文件。
process_directory 函数：
- 遍历指定目录中的所有 JSON 文件，并调用 convert_labelme_to_yolo 进行转换。
执行转换：指定输入目录并执行转换过程。