Labelme图像标注工具使用教程：从标注到数据集转换

工具概述

Labelme是一款开源的图像标注工具，专门用于计算机视觉领域的图像分割任务。它允许用户通过图形界面轻松地创建多边形标注，并将标注结果保存为JSON格式，便于后续转换为各种深度学习框架所需的数据格式。

基础标注流程

1. 启动标注工具

要开始标注单张图像，只需在命令行中执行以下命令：

labelme apc2016_obj3.jpg

执行后，工具会打开图形界面，用户可以在图像上绘制多边形区域来标注目标对象。标注过程中，系统会提示为每个多边形区域指定类别标签。

2. 标注技巧

• 使用鼠标左键点击创建多边形顶点
• 右键点击完成当前多边形绘制
• 中键拖动可以移动图像视图
• 滚轮可缩放图像

标注结果可视化

完成标注后，Labelme会生成一个JSON文件，包含了所有标注的几何信息和类别标签。为快速查看标注结果，可以使用内置的可视化工具：

labelme_draw_json apc2016_obj3.json

这个命令会显示标注后的图像效果，包括所有标注区域的边界线和填充颜色。

数据集转换

1. 转换为标准格式

Labelme提供了将JSON标注转换为标准数据集格式的功能：

labelme_export_json apc2016_obj3.json

转换过程会生成以下文件：

1. img.png - 原始图像文件
2. label.png - 8位无符号整型的标签图像，每个像素值对应一个类别
3. label_viz.png - 标签可视化图像，便于人工检查
4. label_names.txt - 标签名称与数值的对应关系文件

2. 标签文件处理注意事项

处理生成的label.png文件时需要特别注意：

• 避免使用scipy.misc.imread或skimage.io.imread等常见图像读取方法
• 推荐使用PIL.Image.open来确保正确读取标签值

示例代码：

import numpy as np
import PIL.Image

label_png = 'apc2016_obj3/label.png'
lbl = np.asarray(PIL.Image.open(label_png))
print(lbl.dtype)  # 应为uint8
print(np.unique(lbl))  # 查看包含的标签值
print(lbl.shape)  # 查看图像尺寸

3. 标签可视化检查

Labelme还提供了专门的工具来查看标签PNG文件：

labelme_draw_label_png apc2016_obj3/label.png

这个命令会显示标签图像的可视化效果，不同类别会以不同颜色显示，便于验证标注结果的正确性。

应用场景

Labelme生成的标注数据可以直接用于：

1. 语义分割模型训练
2. 实例分割任务的数据准备
3. 目标检测任务的辅助标注
4. 各种需要像素级标注的计算机视觉研究

最佳实践建议

1. 标注时保持一致的类别命名规范
2. 对于复杂场景，建议分层标注不同类别的对象
3. 定期保存标注进度，避免意外丢失工作成果
4. 转换数据集前，先用可视化工具检查标注质量
5. 对于大型项目，考虑编写脚本批量处理多个标注文件

通过本教程，您应该已经掌握了使用Labelme进行图像标注、结果可视化和数据集转换的基本流程。这些功能为计算机视觉研究提供了便捷的数据准备工具链。