前置步骤

安装Anaconda软件工具

使用打开 Win+R 打开 CMD创建虚拟环境

# 创建虚拟环境
# conda create -n [虚拟环境] python=[版本]
conda create -n labelme python=3.10

# 激活虚拟环境
conda activate labelme

# 下载Labelme和所需依赖环境
pip install PyQt5 pillow labelme==3.16.2 -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

# 启动Labelme工具
labelme

工具中各功能中文介绍

编辑菜单功能翻译：

点击 Open 打开一张图片，然后按住 Ctrl + R 使用矩形标注编辑

选中起始点，然后再次点击结束点，框选完成。

随后会跳出小弹窗，在其中输入标签名称（最好使用英文名称或是拼音），描述选填

点击 OK ，这样标注就完成了。

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。

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。

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

由于原始脚本只提供处理单个 JSON 文件的功能，所以需要对其进行修改，以实现批量处理功能

使用Everything工具搜索 json_to_dataset.py，将此文件复制一份 json_to_dataset.py.bak，再将源文件移动至项目工作区下

随后打开 json_to_dataset.py将代码做如下更改：

import argparse
import os
import os.path as osp
import warnings
import json
import base64

import PIL.Image
import yaml

from labelme import utils


def process_json(json_path, out_root=None):
    """
    将单个 JSON 文件转换为图像 + 标签 + 可视化图 + label_names.txt + info.yaml
    """
    with open(json_path, 'r', encoding='utf-8') as f:
        data = json.load(f)

    # 获取图像数据
    imageData = data.get('imageData')
    if not imageData:
        imagePath = osp.join(osp.dirname(json_path), data['imagePath'])
        with open(imagePath, 'rb') as f_img:
            imageData = f_img.read()
            imageData = base64.b64encode(imageData).decode('utf-8')

    img = utils.img_b64_to_arr(imageData)

    # 构建 label_name -> value 映射
    label_name_to_value = {'_background_': 0}
    for shape in data['shapes']:
        label_name = shape['label']
        if label_name not in label_name_to_value:
            label_name_to_value[label_name] = len(label_name_to_value)

    # 检查 label 是否连续
    label_values = list(label_name_to_value.values())
    assert label_values == list(range(len(label_values))), \
        f"Label values not continuous: {label_values}"

    # 生成 label 图
    lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)

    # 生成可视化标签图
    captions = [f'{v}: {n}' for n, v in sorted(label_name_to_value.items(), key=lambda x: x[1])]
    lbl_viz = utils.draw_label(lbl, img, captions)

    # 输出目录
    if out_root is None:
        out_dir = osp.join(osp.dirname(json_path), osp.basename(json_path).replace('.', '_'))
    else:
        out_dir = osp.join(out_root, osp.basename(json_path).replace('.', '_'))

    os.makedirs(out_dir, exist_ok=True)

    # 保存文件
    PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))
    utils.lblsave(osp.join(out_dir, 'label.png'), lbl)
    PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))

    # 保存 label_names.txt
    label_names = [None] * (max(label_name_to_value.values()) + 1)
    for name, value in label_name_to_value.items():
        label_names[value] = name

    with open(osp.join(out_dir, 'label_names.txt'), 'w', encoding='utf-8') as f:
        for lbl_name in label_names:
            f.write(lbl_name + '\n')

    # 保存 info.yaml（保留兼容性）
    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', encoding='utf-8') as f:
        yaml.safe_dump(info, f, default_flow_style=False)

    print(f'Saved to: {out_dir}')


def main():
    warnings.warn("This script converts a folder of JSON files to images and labels.\n"
                  "It demonstrates dataset preparation from LabelMe JSON files.")
    parser = argparse.ArgumentParser()
    parser.add_argument('json_path', help='单个 JSON 文件或 JSON 文件夹')
    parser.add_argument('-o', '--out', default=None, help='输出根目录（可选）')
    args = parser.parse_args()

    # 判断输入是文件还是文件夹
    if osp.isfile(args.json_path):
        process_json(args.json_path, out_root=args.out)
    elif osp.isdir(args.json_path):
        json_files = [f for f in os.listdir(args.json_path) if f.lower().endswith('.json')]
        if not json_files:
            print("No JSON files found in the directory.")
            return
        for json_file in json_files:
            process_json(osp.join(args.json_path, json_file), out_root=args.out)
    else:
        print("Input path does not exist.")


if __name__ == '__main__':
    main()

将之前标注好的json文件都复制一份提取出来，放在一个新的目录下，然后进入我们批量处理程序

# 处理单独的JSON文件
python -m labelme.examples.dataset_tool.json_to_dataset [文件名].json

# 处理批量的JSON文件
python -m labelme.examples.dataset_tool.json_to_dataset [目录名]

# 指定输出目录 -o OUTPUT_DIR
python -m labelme.examples.dataset_tool.json_to_dataset [输入目录名] -o [输出目录名]

执行后，它会生成下列文件：

- img.png          # 原始图片
- label.png        # 标注标签图（每个像素对应类别 ID）
- label_viz.png    # 可视化标签图（彩色）
- label_names.txt  # 标签名称列表
- info.yaml        # YAML 格式的标签信息