如何将json格式数据集转换为yolo格式的对象分割数据集

        最近在做图像中颗粒对象分割应用过程中，遇到如何将SAM-Tool工具或labelme标注的数据（json格式）转换为包含所有分割点的数据集（yolo格式），而不是只包含矩形坐标的数据（yolo格式），本次主要研究如何利用工具或自行编写转换代码，实现两种格式数据集的自动转换，对象标注主要基于SAM-Tool工具完成，然后利用该转换工具实现yolo格式数据生成，主要便于后续的yolov8x-seg模型使用。具体如下，供大家参考。

一、方式1：基于sam的ultralytics库的转换工具

需要事先在环境中安装ultralytics库，命令为：pip install ultralytics
然后下载ultralytics源码进入到根目录，执行如下命令，即可完成json格式数据集转换为yolo格式数据集。

# 目前这种方式在部分机器上不好使
python ultralytics/data/converter.py --source D:/xxx/annotations.json --output D:/xxx/yolo

二、方式2：自行实现json格式转换为yolo格式

分割为只包含矩形坐标的数据（yolo格式），SAM-Tool工具默认提供了对应的工具，详见json2yolo.py。
本次自行编写的转换代码详见下面的json2yolo_seg.py。执行完成后，最终将在数据目录下生成yolo文件夹，用于存放yolo格式的标注数据集。

# 自行实现转换 运行命令
python json2yolo_seg.py --json D:\xxx\annotations.json

json2yolo_seg转换工具代码如下

# json2yolo_seg.py
import argparse  
import json  
import os   
def json2yolo_seg(json_path, output_path):  
    # 读取JSON文件  
    with open(json_path, 'r') as f:  
        data = json.load(f)  
    class_map=data['categories']  
    for item in data['images']:  
        image_width=item['width']  
        image_height=item['height']  
        image_id=item['id']  
        txt_filename=item['file_name'].split('\\')[1].replace('.jpg','.txt')  
        txt_path=os.path.join(output_path,txt_filename)  
        # 创建输出文件  
        with open(txt_path, 'w') as f:  
            # 处理每个标注对象  
            filtered_list = [item for item in data['annotations'] if item['image_id'] == image_id]  
            for shape in filtered_list:  
                # 获取类别名称和索引  
                class_id = shape['category_id']  
                # 获取多边形点  
                points = shape['segmentation'][0]  
                # 获取多边形面积  
                area = shape['area']  
  
                # 转换为YOLO格式  
                yolo_line = f"{class_id}"  
                for i in range(0, len(points), 2): # 注意这里是x,y成对出现，所以步长为2  
                    x, y = points[i], points[i+1]  
                    # 归一化坐标  
                    x_norm = x / image_width  
                    y_norm = y / image_height  
                    yolo_line += f" {x_norm:.6f} {y_norm:.6f}"    
                f.write(yolo_line + '\n')  
  
# 运行示例：python json2yolo_seg.py --json D:\xxx\annotations.json  
if __name__ == '__main__':  
    # 设置路径  
    parser = argparse.ArgumentParser()  
    parser.add_argument('--json', default='D:\xxx\annotations.json', type=str, help='COCO annotations.json 路径')  
    args = parser.parse_args()      
    # 方式2：自定义实现格式转换，这里不适用传入的out参数。  
    json_path=args.json  
    # 获取output_path倒数第二个斜杠之前的字符串  
    # 去掉末尾多余的反斜杠，再按反斜杠切分，取倒数第二个斜杠之前的内容  
    output_path = "\\".join(json_path.rstrip("\\").split("\\")[:-1]) + '\\yolo\\'  
    json2yolo_seg(json_path, output_path)  
    print('完成coco2yolo_seg转换...')

三、转换效果

json格式示例数据（原始标注数据）：其中一个标注的颗粒对象数据见下图的segmentation段。详见下图。

yolo格式示例数据（转换后数据）：转换为yolo格式后的文件夹详见下图左侧文件，内容详见下图右侧，每一个标注颗粒对象以类别编号开始，后面跟随所有边界点数值。