labelme标注的json文件，转变成txt文件的代码

<think>我们使用labelme标注的JSON文件通常包含图像中的对象（多边形、矩形、点等）的标注信息。每个JSON文件对应一张图像，包含图像路径、尺寸以及标注对象的列表。 要将labelme的JSON文件转换为YOLO格式的txt文件（用于目标检测），我们需要： 1. 读取JSON文件。 2. 获取图像的宽度和高度（用于归一化坐标）。 3. 遍历每个标注对象（shapes）： - 只处理矩形（rectangle）标注（因为YOLO目标检测使用矩形框）。 - 获取矩形框的两个点（左上和右下），并转换为中心点坐标和宽高（归一化到0-1）。 - 根据类别名称确定类别ID（需要预先定义类别列表）。 4. 将每个矩形框的信息写入txt文件（每行一个对象，格式：class_id center_x center_y width height）。 注意：如果标注中有其他形状（如多边形、点等），在目标检测任务中我们只关心矩形框。 但是，如果任务还包括关键点检测（如之前的问题），那么转换会更复杂。不过根据问题，这里只要求转换为txt文件（假设是目标检测的YOLO格式）。 以下代码实现将labelme的矩形标注转换为YOLO格式的txt文件。 步骤： 1. 定义类别列表（根据你的数据集，例如：["person", "car", ...]）。 2. 遍历每个JSON文件。 3. 对每个JSON文件，生成一个同名的txt文件（放在同一目录或指定目录）。 代码示例：</think>以下是将 LabelMe JSON 标注文件转换为 YOLO 格式 TXT 文件的完整 Python 代码实现： ```python import json import os from pathlib import Path def labelme_to_yolo(json_path, output_dir, class_names): """ 将 LabelMe JSON 文件转换为 YOLO 格式的 TXT 文件 参数: json_path: LabelMe JSON 文件路径 output_dir: 输出 TXT 文件目录 class_names: 类别名称列表（按索引顺序） """ # 确保输出目录存在 Path(output_dir).mkdir(parents=True, exist_ok=True) # 读取 JSON 文件 with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) # 获取图像尺寸 img_width = data['imageWidth'] img_height = data['imageHeight'] # 准备输出文件路径 txt_filename = Path(json_path).stem + '.txt' txt_path = os.path.join(output_dir, txt_filename) # 处理每个标注对象 yolo_lines = [] for shape in data['shapes']: # 只处理矩形标注 if shape['shape_type'] != 'rectangle': continue # 获取类别索引 label = shape['label'] try: class_id = class_names.index(label) except ValueError: # 如果类别不在列表中，跳过或添加新类别 print(f"警告: 类别 '{label}' 未在 class_names 中定义") continue # 获取矩形坐标 points = shape['points'] x1, y1 = points[0] x2, y2 = points[1] # 确保坐标顺序正确 x_min = min(x1, x2) x_max = max(x1, x2) y_min = min(y1, y2) y_max = max(y1, y2) # 转换为 YOLO 格式 (归一化中心坐标和宽高) x_center = (x_min + x_max) / 2 / img_width y_center = (y_min + y_max) / 2 / img_height width = (x_max - x_min) / img_width height = (y_max - y_min) / img_height # 格式化为 YOLO 行 yolo_line = f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}" yolo_lines.append(yolo_line) # 写入 TXT 文件 with open(txt_path, 'w', encoding='utf-8') as f: f.write('\n'.join(yolo_lines)) print(f"已转换: {json_path} -> {txt_path}") # 示例用法 if __name__ == "__main__": # 配置参数 json_dir = "path/to/labelme_jsons" # LabelMe JSON 文件目录 output_dir = "path/to/yolo_labels" # 输出 TXT 文件目录 class_names = ["person", "car", "dog", "cat"] # 你的类别列表 # 处理目录中的所有 JSON 文件 for json_file in Path(json_dir).glob('*.json'): labelme_to_yolo(str(json_file), output_dir, class_names) ``` ### 代码详细解释： 1. **函数定义**： - `labelme_to_yolo()` 是核心转换函数 - 参数： - `json_path`: LabelMe JSON 文件路径 - `output_dir`: 输出 TXT 文件目录 - `class_names`: 类别名称列表（顺序决定类别ID） 2. **关键处理步骤**： - **读取 JSON 数据**：使用 `json.load()` 读取标注文件 - **获取图像尺寸**：从 JSON 中提取 `imageWidth` 和 `imageHeight` - **处理矩形标注**： - 只处理 `shape_type` 为 `rectangle` 的对象 - 根据 `label` 获取类别ID（在 `class_names` 中的索引） - **坐标转换**： - 确保坐标顺序正确（左上和右下点） - 计算边界框中心点坐标（归一化到 0-1） - 计算边界框宽度和高度（归一化到 0-1） - **生成 YOLO 格式**： - 每行格式：`class_id center_x center_y width height` - 保留6位小数精度 3. **文件输出**： - 输出文件名与 JSON 文件同名（扩展名改为 `.txt`） - 每个对象一行，多对象用换行分隔 ### 转换前后格式对比： **LabelMe JSON 格式**： ```json { "version": "5.8.1", "flags": {}, "shapes": [ { "label": "person", "points": [[564.28, 679.28], [1152.64, 1079.0]], "shape_type": "rectangle" }, { "label": "car", "points": [[200.0, 300.0], [400.0, 500.0]], "shape_type": "rectangle" } ], "imageWidth": 1920, "imageHeight": 1080 } ``` **YOLO TXT 格式**： ``` 0 0.447135 0.813690 0.306542 0.370370 1 0.156250 0.370370 0.104167 0.185185 ``` ### 进阶功能扩展（支持多边形和关键点）： 如果需要处理多边形或关键点标注，可以扩展函数： ```python # 在 labelme_to_yolo 函数中添加以下处理逻辑 for shape in data['shapes']: # 处理多边形标注 if shape['shape_type'] == 'polygon': points = shape['points'] # 转换为边界框 x_coords = [p[0] for p in points] y_coords = [p[1] for p in points] x_min, x_max = min(x_coords), max(x_coords) y_min, y_max = min(y_coords), max(y_coords) # 后续转换与矩形相同... # 处理关键点标注 elif shape['shape_type'] == 'point': # 需要结合对象ID处理，通常需要额外逻辑关联到对象 pass ``` ### 批量转换脚本： ```python import glob def batch_convert_labelme_to_yolo(json_dir, output_dir, class_names): """批量转换目录中的所有 LabelMe JSON 文件""" json_files = glob.glob(os.path.join(json_dir, '*.json')) total = len(json_files) print(f"开始转换 {total} 个 JSON 文件...") for i, json_file in enumerate(json_files): labelme_to_yolo(json_file, output_dir, class_names) print(f"进度: {i+1}/{total} - {os.path.basename(json_file)}") print(f"转换完成! 文件保存在: {output_dir}") # 使用示例 batch_convert_labelme_to_yolo( json_dir="path/to/labelme_annotations", output_dir="path/to/yolo_labels", class_names=["person", "car", "dog"] ) ``` ### 注意事项： 1. **类别名称**：确保 `class_names` 列表与你的数据集一致且顺序正确 2. **坐标顺序**：LabelMe 的矩形点顺序不固定，代码会自动处理 3. **图像尺寸**：YOLO 需要归一化坐标，因此需要正确的图像尺寸 4. **非矩形标注**：当前代码只处理矩形，如需多边形需扩展逻辑 5. **关键点**：关键点需要不同的处理逻辑，通常需要关联到特定对象 ---