Labelme转COCO数据集(物体检测)

目录

摘要

Object Instance 类型的标注格式

1、整体JSON文件格式

2、annotations字段

3、categories字段

Labelme转COCO的代码：

COCO的 全称是Common Objects in COntext，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。COCO通过在Flickr上搜索80个对象类别和各种场景类型来收集图像，其使用了亚马逊的Mechanical Turk（AMT）。

COCO数据集现在有3种标注类型：object instances（目标实例）, object keypoints（目标上的关键点）, and image captions（看图说话）。本文着重介绍object instances。

Object Instance这种格式的文件从头至尾按照顺序分为以下段落：

{

   "info": info,

   "licenses": [license],

   "images": [image],

   "annotations": [annotation],

   "categories": [category]

}

annotations字段是包含多个annotation实例的一个数组，annotation类型本身又包含了一系列的字段，如这个目标的category id和segmentation mask。segmentation格式取决于这个实例是一个单个的对象（即iscrowd=0，将使用polygons格式）还是一组对象（即iscrowd=1，将使用RLE格式）。bbox是存放的物体标注信息，与VOC格式不同，COCO里面存储的格式是[左上角x坐标,左上角y坐标,物体的宽,物体的长],这点需要注意。如下所示：

annotation{

   "id": int,

   "image_id": int,

   "category_id": int,

   "segmentation": RLE or [polygon],

   "area": float,

   "bbox": [x,y,width,height],

   "iscrowd": 0 or 1,

注意，单个的对象（iscrowd=0)可能需要多个polygon来表示，比如这个对象在图像中被挡住了。而iscrowd=1时（将标注一组对象，比如一群人）的segmentation使用的就是RLE格式。

另外，每个对象（不管是iscrowd=0还是iscrowd=1）都会有一个矩形框bbox ，矩形框左上角的坐标和矩形框的长宽会以数组的形式提供，数组第一个元素就是左上角的横坐标值。

area是area of encoded masks。

最后，annotation结构中的categories字段存储的是当前对象所属的category的id，以及所属的supercategory的name。

下面是从instances_val2017.json文件中摘出的一个annotation的实例：

        "segmentation": [[510.66,423.01,511.72,420.03,510.45,416.0,510.34,413.02,510.77,410.26,\

                           510.77,407.5,510.34,405.16,511.51,402.83,511.41,400.49,510.24,398.16,509.39,\

                           397.31,504.61,399.22,502.17,399.64,500.89,401.66,500.47,402.08,499.09,401.87,\

                           495.79,401.98,490.59,401.77,488.79,401.77,485.39,398.58,483.9,397.31,481.56,\

                           396.35,478.48,395.93,476.68,396.03,475.4,396.77,473.92,398.79,473.28,399.96,\

                           473.49,401.87,474.56,403.47,473.07,405.59,473.39,407.71,476.68,409.41,479.23,\

                           409.73,481.56,410.69,480.4,411.85,481.35,414.93,479.86,418.65,477.32,420.03,\

                           476.04,422.58,479.02,422.58,480.29,423.01,483.79,419.93,486.66,416.21,490.06,\

                           415.57,492.18,416.85,491.65,420.24,492.82,422.9,493.56,424.39,496.43,424.6,\

                           498.02,423.01,498.13,421.31,497.07,420.03,497.07,415.15,496.33,414.51,501.1,\

                           411.96,502.06,411.32,503.02,415.04,503.33,418.12,501.1,420.24,498.98,421.63,\

                           500.47,424.39,505.03,423.32,506.2,421.31,507.69,419.5,506.31,423.32,510.03,\

                           423.01,510.45,423.01]],

        "area": 702.1057499999998,

        "iscrowd": 0,

        "image_id": 289343,

        "bbox": [473.07,395.93,38.65,28.67],

        "category_id": 18,

        "id": 1768

},

categories是一个包含多个category实例的数组，而category结构体描述如下：

   "name": str,

   "supercategory": str,

从instances_val2017.json文件中摘出的2个category实例如下所示：

        "supercategory": "person",

        "id": 1,

        "name": "person"

        "supercategory": "vehicle",

        "id": 2,

        "name": "bicycle"

# -*- coding:utf-8 -*-

# !/usr/bin/env python

import json

from labelme import utils

import numpy as np

import glob

import PIL.Image

labels={'一次性快餐盒':1,'书籍纸张':2,'充电宝':3,'剩饭剩菜':4,'包':5,

          '垃圾桶':6,'塑料器皿':7,'塑料玩具':8,'塑料衣架':9,'大骨头':10,'干电池':11,

          '快递纸袋':12,'插头电线':13,'旧衣服':14,'易拉罐':15,'枕头':16,'果皮果肉':17,'毛绒玩具':18,

          '污损塑料':19,'污损用纸':20,'洗护用品':21,'烟蒂':22,'牙签':23,'玻璃器皿':24,'砧板':25,

          '筷子':26,'纸盒纸箱':27,'花盆':28,'茶叶渣':29,'菜帮菜叶':30,'蛋壳':31,'调料瓶':32,

          '软膏':33,'过期药物':34,'酒瓶':35,'金属厨具':36,'金属器皿':37,'金属食品罐':38,'锅':39,

          '陶瓷器皿':40,'鞋':41,'食用油桶':42,'饮料瓶':43,'鱼骨':44}

class MyEncoder(json.JSONEncoder):

   def default(self, obj):

       if isinstance(obj, np.integer):

           return int(obj)

       elif isinstance(obj, np.floating):

           return float(obj)

       elif isinstance(obj, np.ndarray):

           return obj.tolist()

       else:

           return super(MyEncoder, self).default(obj)

class labelme2coco(object):

   def __init__(self, labelme_json=[], save_json_path='./tran.json'):

       '''

       :param labelme_json: 所有labelme的json文件路径组成的列表

       :param save_json_path: json保存位置

       self.labelme_json = labelme_json

       self.save_json_path = save_json_path

       self.images = []

       self.categories = []

       self.annotations = []

       # self.data_coco = {}

       self.label = []

       self.annID = 1

       self.height = 0

       self.width = 0

       self.save_json()

   def data_transfer(self):

       for num, json_file in enumerate(self.labelme_json):

           imagePath=json_file.split('.')[0]+'.jpg'

           imageName=imagePath.split('\\')[-1]

           print(imageName)

           with open(json_file, 'r') as fp:

               data = json.load(fp)  # 加载json文件

               self.images.append(self.image(data, num,imageName))

               for shapes in data['shapes']:

                   label = shapes['label']

                   if label not in self.label:

                       self.categories.append(self.categorie(label))

                       self.label.append(label)

                   points = shapes['points']  # 这里的point是用rectangle标注得到的，只有两个点，需要转成四个点

                   # points.append([points[0][0],points[1][1]])

                   # points.append([points[1][0],points[0][1]])

                   self.annotations.append(self.annotation(points, label, num))

                   self.annID += 1

   def image(self, data, num,imagePath):

       image = {}

       img = utils.img_b64_to_arr(data['imageData'])  # 解析原图片数据

       # img=io.imread(data['imagePath']) # 通过图片路径打开图片

       # img = cv2.imread(data['imagePath'], 0)

       height, width = img.shape[:2]

       img = None

       image['height'] = height

       image['width'] = width

       image['id'] = num + 1

       # image['file_name'] = data['imagePath'].split('/')[-1]

       image['file_name'] = imagePath

       self.height = height

       self.width = width

       return image

   def categorie(self, label):

       categorie = {}

       categorie['supercategory'] = 'Cancer'

       categorie['id'] = labels[label]  # 0 默认为背景

       categorie['name'] = label

       return categorie

   def annotation(self, points, label, num):

       annotation = {}

       annotation['segmentation'] = [list(np.asarray(points).flatten())]

       annotation['iscrowd'] = 0

       annotation['image_id'] = num + 1

       # annotation['bbox'] = str(self.getbbox(points)) # 使用list保存json文件时报错（不知道为什么）

       # list(map(int,a[1:-1].split(','))) a=annotation['bbox'] 使用该方式转成list

       annotation['bbox'] = list(map(float, self.getbbox(points)))

       annotation['area'] = annotation['bbox'][2] * annotation['bbox'][3]

       # annotation['category_id'] = self.getcatid(label)

       annotation['category_id'] = self.getcatid(label)  # 注意，源代码默认为1

       print(label,annotation['category_id'])

       annotation['id'] = self.annID

       return annotation

   def getcatid(self, label):

       for categorie in self.categories:

           if label == categorie['name']:

               return categorie['id']

       return 1

   def getbbox(self, points):

       # img = np.zeros([self.height,self.width],np.uint8)

       # cv2.polylines(img, [np.asarray(points)], True, 1, lineType=cv2.LINE_AA)  # 画边界线

       # cv2.fillPoly(img, [np.asarray(points)], 1)  # 画多边形 内部像素值为1

       polygons = points

       mask = self.polygons_to_mask([self.height, self.width], polygons)

       return self.mask2box(mask)

   def mask2box(self, mask):

       '''从mask反算出其边框

       mask：[h,w]  0、1组成的图片

       1对应对象，只需计算1对应的行列号（左上角行列号，右下角行列号，就可以算出其边框）

       # np.where(mask==1)

       index = np.argwhere(mask == 1)

       rows = index[:, 0]

       clos = index[:, 1]

       # 解析左上角行列号

       left_top_r = np.min(rows)  # y

       left_top_c = np.min(clos)  # x

       # 解析右下角行列号

       right_bottom_r = np.max(rows)

       right_bottom_c = np.max(clos)

       # return [(left_top_r,left_top_c),(right_bottom_r,right_bottom_c)]

       # return [(left_top_c, left_top_r), (right_bottom_c, right_bottom_r)]

       # return [left_top_c, left_top_r, right_bottom_c, right_bottom_r]  # [x1,y1,x2,y2]

       return [left_top_c, left_top_r, right_bottom_c - left_top_c,

               right_bottom_r - left_top_r]  # [x1,y1,w,h] 对应COCO的bbox格式

   def polygons_to_mask(self, img_shape, polygons):

       mask = np.zeros(img_shape, dtype=np.uint8)

       mask = PIL.Image.fromarray(mask)

       xy = list(map(tuple, polygons))

       PIL.ImageDraw.Draw(mask).polygon(xy=xy, outline=1, fill=1)

       mask = np.array(mask, dtype=bool)

       return mask

   def data2coco(self):

       data_coco = {}

       data_coco['images'] = self.images

       data_coco['categories'] = self.categories

       data_coco['annotations'] = self.annotations

       return data_coco

   def save_json(self):

       self.data_transfer()

       self.data_coco = self.data2coco()

       # 保存json文件

       json.dump(self.data_coco, open(self.save_json_path, 'w'), indent=4, cls=MyEncoder)  # indent=4 更加美观显示

labelme_json = glob.glob('D:/HWLabelme/*.json')

from sklearn.model_selection import train_test_split

trainval_files, test_files = train_test_split(labelme_json, test_size=0.2, random_state=55)

labelme2coco(trainval_files, 'instances_train2017.json')

labelme2coco(test_files, 'instances_val2017.json')