目录
- labelme批量转换json文件出现AttributeError
- 问题描述
在批量转换 json 文件时，出现以下报错：
AttributeError: module ‘labelme.utils’ has no attribute ‘draw’
类似的还可能出现：
AttributeError: module ‘labelme.utils’ has no attribute 'draw_label’
等错误。这是由于 labelme 版本的问题。高版本在 labelme 的utils文件夹里缺少 draw.py 文件。
- 解决方案
有如下解决方案：
- 降低 labelme 的版本，可参考博客1。
- 在labelme的安装目录下手动添加 draw.py 文件，可参考博客2。
1）在utils文件夹中新建一个draw.py文件 ，如果是在 Anaconda 中安装的，具体路径为：D:\Anaconda3\Lib\site-packages\labelme\utils。 draw.py 的代码在此给出：
import io
import numpy as np
import PIL.Image
import PIL.ImageDraw
def label_colormap(N=256):
def bitget(byteval, idx):
return ((byteval & (1 << idx)) != 0)
cmap = np.zeros((N, 3))
for i in range(0, N):
id = i
r, g, b = 0, 0, 0
for j in range(0, 8):
r = np.bitwise_or(r, (bitget(id, 0) << 7 - j))
g = np.bitwise_or(g, (bitget(id, 1) << 7 - j))
b = np.bitwise_or(b, (bitget(id, 2) << 7 - j))
id = (id >> 3)
cmap[i, 0] = r
cmap[i, 1] = g
cmap[i, 2] = b
cmap = cmap.astype(np.float32) / 255
return cmap
# similar function as skimage.color.label2rgb
def label2rgb(lbl, img=None, n_labels=None, alpha=0.5, thresh_suppress=0):
if n_labels is None:
n_labels = len(np.unique(lbl))
cmap = label_colormap(n_labels)
cmap = (cmap * 255).astype(np.uint8)
lbl_viz = cmap[lbl]
lbl_viz[lbl == -1] = (0, 0, 0) # unlabeled
if img is not None:
img_gray = PIL.Image.fromarray(img).convert('LA')
img_gray = np.asarray(img_gray.convert('RGB'))
# img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
# img_gray = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2RGB)
lbl_viz = alpha * lbl_viz + (1 - alpha) * img_gray
lbl_viz = lbl_viz.astype(np.uint8)
return lbl_viz
def draw_label(label, img=None, label_names=None, colormap=None):
import matplotlib.pyplot as plt
backend_org = plt.rcParams['backend']
plt.switch_backend('agg')
plt.subplots_adjust(left=0, right=1, top=1, bottom=0,
wspace=0, hspace=0)
plt.margins(0, 0)
plt.gca().xaxis.set_major_locator(plt.NullLocator())
plt.gca().yaxis.set_major_locator(plt.NullLocator())
if label_names is None:
label_names = [str(l) for l in range(label.max() + 1)]
if colormap is None:
colormap = label_colormap(len(label_names))
label_viz = label2rgb(label, img, n_labels=len(label_names))
plt.imshow(label_viz)
plt.axis('off')
plt_handlers = []
plt_titles = []
for label_value, label_name in enumerate(label_names):
if label_value not in label:
continue
if label_name.startswith('_'):
continue
fc = colormap[label_value]
p = plt.Rectangle((0, 0), 1, 1, fc=fc)
plt_handlers.append(p)
plt_titles.append('{value}: {name}'
.format(value=label_value, name=label_name))
plt.legend(plt_handlers, plt_titles, loc='lower right', framealpha=.5)
f = io.BytesIO()
plt.savefig(f, bbox_inches='tight', pad_inches=0)
plt.cla()
plt.close()
plt.switch_backend(backend_org)
out_size = (label_viz.shape[1], label_viz.shape[0])
out = PIL.Image.open(f).resize(out_size, PIL.Image.BILINEAR).convert('RGB')
out = np.asarray(out)
return out
2）打开 utils 文件夹下的 __init__.py 文件，导入 draw.py 里面的函数：
from .draw import label_colormap
from .draw import label2rgb
from .draw import draw_label
- labelme 标注类别顺序
注意标注的类别顺序，在 Polygon Labels 列表中，第一个出现的类别后续处理中对应为1，第二个出现的类别后续处理中对应为 2，以此类推。因此需要保证标注时所有图片标注的类的顺序是相同的。
此时rock=1，crater=2，若不小心某些图片类别顺序标记错误，可以把该类拖动，改变其次序。
改变次序后，crater=1，rock=2。修改次序时可以把该对话框拖出来。
- labelme 读入16位图像
labelme 读入的如果是 16 位的图像，则标注后得到的 label.png 也将是 16 位的图像。16位图像的像素值一共有：2 16 = 65536 2^{16}=65536216=65536 种，而 8 位图像只有：2 8 = 256 2^8=25628=256 种。
利用 Image.open(path) 读入图像时，它默认的是 8 位的图像，因此对16 位的图像和16 位的标签读入的都是错误的值。
- 解决方法：16位图像转换为8位图像
- 对于 16 位的原图，可以用
cv2模块来转换，即像素值*255/65535：
import cv2
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite('1.png', img)
- 对于 16 位的标签图，显然不能这么做，只能改变位数，不能改变数值：
from PIL import Image
img1 = Image.open('label.png')
img = Image.fromarray(np.uint8(img1))
img.save('label.png')
- 参考：
- labelme 设置标签对应的类别
前面提到过标签标注的顺序对最后处理结果的影响，但是这样比较麻烦，并且会出现一个问题：
如果数据集中每张图片不包含所有的类别，则在标注的时候不同的类别可能会标注成相同的类别和颜色，这样在训练的时候会出现错误。如这张图中只有标签 car ，那么它会被当做类别 1，另一张图只有标签 people，那么它经过处理之后对应类别还是 1。这显然是不对的。
因此，需要在解析 json 文件的时候主动设置标签对应的类别。