【Labelme数据操作】LabelMe标注批量复制工具 - 完整教程

1. 脚本功能介绍

本脚本用于批量复制LabelMe标注信息，特别适用于以下场景：

• 您有一批图片，其中物体位置、形状、大小基本相同
• 您已经使用LabelMe标注了第一张图片
• 您希望将第一张图片的标注信息快速复制到其他图片中
• 需要自动适应不同图片的尺寸信息

核心功能：

• 读取源JSON标注文件
• 自动获取目标图片的尺寸信息
• 保留所有标注形状、标签、颜色等信息
• 为每张目标图片生成对应的LabelMe JSON标注文件
• 支持多种常见图片格式

2. 环境依赖

2.1 安装必要的Python库

pipinstallopencv-python tqdm

2.2 依赖库说明

• opencv-python: 用于读取图片获取尺寸信息
• tqdm: 提供进度条显示，直观展示处理进度
• json: 处理LabelMe的JSON标注文件
• os: 文件路径操作
• argparse: 命令行参数解析（当前版本已硬编码参数，但保留了扩展性）

3. 代码结构说明

3.1 主要函数

• copy_labelme_annotations(): 核心功能函数，负责复制标注
• main(): 程序入口，配置参数并调用核心函数

3.2 当前配置（您修改后的版本）

defmain():source_json="../1765555160.json"copy_labelme_annotations(source_json_path=source_json,image_dir="../bbbb",output_dir="../bbbb")

当前配置说明：

• 源标注文件：../1765555160.json
• 图片目录：../bbbb
• 输出目录：../bbbb（标注文件将保存在同一目录）

4. 使用方法

4.1 方法一：直接运行（推荐新手使用）

1. 创建目录结构

   your_project/ ├── copy_annotations.py # 本脚本 ├── 1765555160.json # 您的源标注文件 └── bbbb/ # 存放所有图片的目录 ├── image1.jpg ├── image2.jpg ├── image3.jpg └── ...

2. 将脚本参数修改为您实际的路径

   defmain():source_json="../1765555160.json"# 修改为您的源JSON文件路径copy_labelme_annotations(source_json_path=source_json,image_dir="../bbbb",# 修改为您的图片目录output_dir="../bbbb"# 修改为输出目录)

3. 运行脚本

   python copy_annotations.py

4.2 方法二：命令行参数方式（推荐高级用户）

如果您希望使用命令行参数，可以将main()函数修改为：

defmain():parser=argparse.ArgumentParser(description='批量复制LabelMe标注')parser.add_argument('--source_json',required=True,help='源标注JSON文件路径')parser.add_argument('--image_dir',required=True,help='图片目录路径')parser.add_argument('--output_dir',default=None,help='输出目录路径（可选，默认与image_dir相同）')args=parser.parse_args()copy_labelme_annotations(source_json_path=args.source_json,image_dir=args.image_dir,output_dir=args.output_dir)

命令行使用示例：

python copy_annotations.py\--source_json../1765555160.json\--image_dir../bbbb\--output_dir../bbbb

5. 参数详细说明

5.1 函数参数

5.2 支持的图片格式

脚本支持以下图片格式（不区分大小写）：

• .jpg/.jpeg
• .png
• .bmp
• .tiff/.tif

5.3 JSON文件结构说明

生成的JSON文件包含以下关键字段：

• version: LabelMe版本号
• flags: 标签标志
• shapes: 标注形状列表（点、线、矩形、多边形等）
• imagePath: 对应的图片文件名
• imageHeight: 图片高度
• imageWidth: 图片宽度
• imageData: None（不包含图像数据，减小文件大小）

6. 运行示例

6.1 预期输出

源标注文件: ../1765555160.json 检测到 5 个标注对象 找到 15 张图片，将为 14 张图片复制标注 复制标注: 100%|██████████| 14/14 [00:02<00:00, 6.21it/s] 完成! 已为 14 张图片创建标注文件

6.2 生成的文件

在../bbbb/目录下，每张图片都会生成对应的JSON文件：

bbbb/ ├── image1.jpg ├── image1.json # 自动生成 ├── image2.jpg ├── image2.json # 自动生成 ├── ... └── 1765555160.jpg # 源图片（不会重复生成）

7. 注意事项

7.1 重要前提条件

✅图片内容相似性：所有图片中的物体位置、形状、大小应基本相同
✅图片格式一致性：确保图片是脚本支持的格式
✅路径正确性：检查所有路径是否存在，特别是源JSON文件和图片目录

7.2 常见问题及解决

问题1：无法读取图片

警告: 无法读取图片 ../bbbb/image1.jpg, 跳过

解决方法：

• 检查图片路径是否正确
• 确认图片文件未损坏
• 检查是否有权限读取该文件

问题2：JSON格式错误

JSONDecodeError: Expecting value: line 1 column 1 (char 0)

解决方法：

• 用文本编辑器打开源JSON文件，检查是否是有效的JSON格式
• 确保JSON文件是UTF-8编码
• 重新使用LabelMe保存标注文件

问题3：标注位置不准确

解决方法：

• 如果图片尺寸差异较大，复制的标注可能位置不准确
• 建议在LabelMe中手动调整位置
• 或者使用图像配准算法先对齐图片

7.3 性能优化

• 大图片处理：如果图片很大，处理速度会变慢，建议先缩小图片尺寸
• 批量处理：一次处理大量图片时，确保有足够的内存
• 文件备份：运行前建议备份原始标注文件，防止意外覆盖

8. 高级用法

8.1 自定义修改标注

如果您需要在复制过程中修改标注，可以在循环中添加自定义逻辑：

# 在复制形状标注的循环中添加forshapeinsource_data['shapes']:new_shape=shape.copy()# 示例：修改所有矩形的标签ifnew_shape['shape_type']=='rectangle':new_shape['label']='modified_'+new_shape['label']# 示例：缩放所有坐标（适应不同尺寸）scale_x=width/source_data['imageWidth']scale_y=height/source_data['imageHeight']new_points=[[x*scale_x,y*scale_y]forx,yinnew_shape['points']]new_shape['points']=new_points new_data['shapes'].append(new_shape)

8.2 与其他工具集成

# 1. 先复制标注python copy_annotations.py --source_json template.json --image_dir images# 2. 然后用LabelMe验证和微调labelme images/

9. 完整代码（带注释版本）

importjsonimportosimportcv2fromtqdmimporttqdmimportargparsedefcopy_labelme_annotations(source_json_path,image_dir,output_dir=None):""" 将第一张图片的labelme标注信息复制到同一目录下的其他图片 参数: source_json_path: 第一张已标注图片对应的JSON文件路径 image_dir: 图片所在的目录 output_dir: 输出目录，如果为None则使用image_dir 功能流程: 1. 读取源JSON文件 2. 获取所有目标图片 3. 为每张目标图片: - 读取图片获取尺寸 - 创建新的标注数据 - 复制标注形状 - 保存JSON文件 """# 读取源JSON文件withopen(source_json_path,'r',encoding='utf-8')asf:source_data=json.load(f)print(f"源标注文件:{source_json_path}")print(f"检测到{len(source_data['shapes'])}个标注对象")# 获取源图片信息source_image_path=source_data['imagePath']source_image_name=os.path.basename(source_image_path)# 设置输出目录ifoutput_dirisNoneoroutput_dir.strip()=="":output_dir=image_dir# 创建输出目录（如果不存在）os.makedirs(output_dir,exist_ok=True)# 获取所有图片文件image_extensions=['.jpg','.jpeg','.png','.bmp','.tiff','.tif']all_images=[]forfinos.listdir(image_dir):ext=os.path.splitext(f)[1].lower()ifextinimage_extensions:all_images.append(f)# 排除源图片target_images=[imgforimginall_imagesifimg!=source_image_name]print(f"找到{len(all_images)}张图片，将为{len(target_images)}张图片复制标注")# 处理每张目标图片successful_count=0forimage_nameintqdm(target_images,desc="复制标注"):image_path=os.path.join(image_dir,image_name)# 读取图片获取尺寸try:img=cv2.imread(image_path)ifimgisNone:print(f"警告: 无法读取图片{image_path}, 跳过")continueheight,width=img.shape[:2]# 创建新的标注数据new_data={"version":source_data.get("version","5.0.1"),"flags":source_data.get("flags",{}),"shapes":[],"imagePath":image_name,"imageData":None,# 不包含图像数据以减小文件大小"imageHeight":height,"imageWidth":width}# 复制形状标注forshapeinsource_data['shapes']:new_shape=shape.copy()# 确保shape_type字段存在if'shape_type'notinnew_shape:new_shape['shape_type']='polygon'new_data['shapes'].append(new_shape)# 生成输出JSON文件名output_json_name=os.path.splitext(image_name)[0]+'.json'output_json_path=os.path.join(output_dir,output_json_name)# 保存新的JSON文件withopen(output_json_path,'w',encoding='utf-8')asf:json.dump(new_data,f,ensure_ascii=False,indent=2)successful_count+=1exceptExceptionase:print(f"处理图片{image_name}时出错:{str(e)}")continueprint(f"完成! 成功为{successful_count}/{len(target_images)}张图片创建标注文件")ifsuccessful_count<len(target_images):print(f"警告: 有{len(target_images)-successful_count}张图片处理失败，请检查日志")defmain():""" 主函数 - 当前配置版本 使用前请根据实际情况修改以下路径： """# ====== 请在此处修改您的路径配置 ======source_json="../1765555160.json"# 源标注JSON文件路径image_dir="../bbbb"# 图片目录路径output_dir="../bbbb"# 输出目录路径（可与image_dir相同）# ======================================print("="*50)print("LabelMe标注批量复制工具")print("="*50)print(f"配置信息:")print(f" 源标注文件:{source_json}")print(f" 图片目录:{image_dir}")print(f" 输出目录:{output_dir}")print("-"*50)# 检查文件和目录是否存在ifnotos.path.exists(source_json):print(f"错误: 源标注文件不存在 -{source_json}")returnifnotos.path.exists(image_dir):print(f"错误: 图片目录不存在 -{image_dir}")returncopy_labelme_annotations(source_json_path=source_json,image_dir=image_dir,output_dir=output_dir)if__name__=="__main__":main()

10. 总结

这个脚本能够大幅提升标注效率，特别适用于：

• 工业检测中的相似产品图片
• 监控视频中的连续帧
• 产品展示的多角度照片
• 任何具有重复模式的图像数据集

使用流程总结：

1. 标注第一张图片（使用LabelMe）
2. 配置脚本参数（修改路径）
3. 运行脚本批量生成标注
4. 使用LabelMe验证和微调标注
5. 导出为所需格式（COCO、YOLO等）

通过这个工具，您可以将原本需要几小时的标注工作缩短到几分钟，大大提高数据准备效率！