def write(self, loc):
f = File(loc, self.root, suffix='.json')
imfile = self.imfiles[loc]
lmdict = LabelmeDict.gen_data(imfile)
for label, ann in self.data[loc].items():
a = ann.copy()
DictTool.isub(a, ['img'])
shape = LabelmeDict.gen_shape(json.dumps(a, ensure_ascii=False),
a['points'],
a['shape_type'],
group_id=a['group_id'],
flags=a['flags'])
lmdict['shapes'].append(shape)
f.write(lmdict, indent=2)
def add_shape(name, refdict, add_keys, drop_keys=('bbox', )):
""" 生成一个标注框 """
msgdict = {'category_name': name}
msgdict.update(add_keys)
DictTool.ior(msgdict, refdict)
DictTool.isub(msgdict, drop_keys)
bbox = [round_int(v * scale) for v in refdict['bbox']]
if 'size' in msgdict:
x = round_unit(msgdict['size'], 0.5)
msgdict['size'] = round_int(
x) if (x * 10) % 10 < 1 else x # 没有小数的时候，优先展示为11，而不是11.0
if 'color' in msgdict:
# 把color映射为直观的(r, g, b)
# 这个pdf解析器获取的color，不一定精确等于原值，可能会有偏差，小一个像素
v = msgdict['color']
msgdict['color'] = (v // 256 // 256, (v // 256) % 256, v % 256)
if 'origin' in msgdict:
msgdict['origin'] = [round_int(v) for v in msgdict['origin']]
sp = LabelmeDict.gen_shape(json.dumps(msgdict), bbox)
shapes.append(sp)
def to_coco_gt_dict(self, categories=None):
""" 将labelme转成 coco gt 标注的格式
分两种大情况
1、一种是raw原始数据转labelme标注后，首次转coco格式，这种编号等相关数据都可以重新生成
raw_data --可视化--> labelme --转存--> coco
2、还有种原来就是coco，转labelme修改标注后，又要再转回coco，这种应该尽量保存原始值
coco --> labelme --手动修改--> labelme' --> coco'
这种在coco转labelme时，会做一些特殊标记，方便后续转回coco
3、 1, 2两种情况是可以连在一起，然后形成 labelme 和 coco 之间的多次互转的
:param categories: 类别
默认只设一个类别 {'id': 0, 'name': 'text', 'supercategory'}
支持自定义，所有annotations的category_id
:return: gt_dict
注意，如果对文件顺序、ann顺序有需求的，请先自行操作self.data数据后，再调用该to_coco函数
对image_id、annotation_id有需求的，需要使用CocoData进一步操作
"""
from pyxllib.data.coco import CocoGtData
if not categories:
if 'categories' in self.extdata:
# coco 转过来的labelme，存储有原始的 categories
categories = self.extdata['categories']
else:
categories = [{'id': 0, 'name': 'text', 'supercategory': ''}]
# 1 第一轮遍历：结构处理 jsonfile, lmdict --> data（image, shapes）
img_id, ann_id, data = 0, 0, []
for jsonfile, lmdict in self.rp2data.items():
# 1.0 升级为字典类型
lmdict = LabelmeDict.update_labelattr(lmdict, points=True)
for sp in lmdict['shapes']: # label转成字典
sp['label'] = json.loads(sp['label'])
# 1.1 找shapes里的image
image = None
# 1.1.1 xltype='image'
for sp in filter(lambda x: x.get('xltype', None) == 'image',
lmdict['shapes']):
image = DictTool.json_loads(sp['label'])
if not image:
raise ValueError(sp['label'])
# TODO 删除 coco_eval 等字段？
del image['xltype']
break
# 1.1.2 shapes里没有图像级标注则生成一个
if image is None:
# TODO file_name 加上相对路径？
image = CocoGtData.gen_image(-1, lmdict['imagePath'],
lmdict['imageHeight'],
lmdict['imageWidth'])
img_id = max(img_id, image.get('id', -1))
# 1.2 遍历shapes
shapes = []
for sp in lmdict['shapes']:
label = sp['label']
if 'xltype' not in label:
# 普通的标注框
d = sp['label'].copy()
# DictTool.isub_(d, '')
ann_id = max(ann_id, d.get('id', -1))
shapes.append(d)
elif label['xltype'] == 'image':
# image，图像级标注数据；之前已经处理了，这里可以跳过
pass
elif label['xltype'] == 'seg':
# seg，衍生的分割标注框，在转回coco时可以丢弃
pass
else:
raise ValueError
data.append([image, shapes])
# 2 第二轮遍历：处理id等问题
images, annotations = [], []
for image, shapes in data:
# 2.1 image
if image.get('id', -1) == -1:
img_id += 1
image['id'] = img_id
images.append(image)
# 2.2 annotations
for sp in shapes:
sp['image_id'] = img_id
if sp.get('id', -1) == -1:
ann_id += 1
sp['id'] = ann_id
# 如果没有框类别，会默认设置一个。 （强烈建议外部业务功能代码自行设置好category_id）
if 'category_id' not in sp:
sp['category_id'] = categories[0]['id']
DictTool.isub(sp, ['category_name'])
ann = CocoGtData.gen_annotation(**sp)
annotations.append(ann)
# 3 result
gt_dict = CocoGtData.gen_gt_dict(images, annotations, categories)
return gt_dict