如何使用labelme2voc.py将LabelMe JSON数据转换为Pascal VOC格式？

一、正确使用labelme2voc.py的步骤 #

先确认你已经通过pip/conda正确安装了labelme，然后按以下步骤操作：

• 整理数据集结构：把所有标注好的.json文件和对应的图片放在同一个文件夹（比如命名为labelme_raw），确保每个json和对应的图片文件名完全一致（仅后缀不同）。
• 创建类别定义文件：新建一个labels.txt，第一行固定写_background_，后续每行写一个你的类别，示例：

  _background_
  class1
  class2
  class3
  class4
  

  注意类别名称要和你LabelMe标注时用的完全一致，不要出现中文或特殊字符。
• 执行转换命令：打开终端，激活labelme所在的环境（如果用conda的话），运行以下命令：

  labelme2voc.py labelme_raw/ output_voc --labels labels.txt
  

  其中labelme_raw/是你的原始数据文件夹路径，output_voc是生成VOC格式数据的目标文件夹，--labels指定刚才创建的类别文件。
• 排查常见报错：
  • 若提示找不到文件，检查路径是否正确，文件夹是否存在。
  • 若出现编码错误，检查类别名和文件名是否有非ASCII字符，全部换成英文即可。
  • 标注数量超过50个不会导致转换失败，不用为此担心，报错大概率是路径或类别配置问题。

二、其他可行转换方法 #

1. 手动编写Python脚本 #

如果labelme2voc.py始终无法正常工作，可以自己写脚本处理，核心逻辑如下：

• 遍历所有.json文件，解析shapes字段获取每个目标的类别和边界框坐标（注意LabelMe的坐标是[x1,y1,x2,y2]格式，直接对应VOC的xmin/ymin/xmax/ymax）。
• 按照Pascal VOC的XML格式生成标注文件，XML的基础结构如下：

  <annotation>
    <folder>JPEGImages</folder>
    <filename>sample.jpg</filename>
    <size>
      <width>1920</width>
      <height>1080</height>
      <depth>3</depth>
    </size>
    <object>
      <name>class1</name>
      <bndbox>
        <xmin>100</xmin>
        <ymin>200</ymin>
        <xmax>300</xmax>
        <ymax>400</ymax>
      </bndbox>
    </object>
    <!-- 其他标注目标依次添加 -->
  </annotation>
  

• 同时将图片复制到VOC结构的JPEGImages目录，标注文件放到Annotations目录，最后生成ImageSets/Main下的训练/测试划分文件。

2. 调用LabelMe API进行转换 #

直接用labelme的内置模块解析标注数据，灵活性更高，示例代码片段：

import json
import os
import cv2
from xml.etree.ElementTree import Element, SubElement, tostring
from xml.dom.minidom import parseString

def labelme_json_to_voc(json_file, voc_anno_dir, voc_img_dir, labels):
    # 读取json数据
    with open(json_file, 'r', encoding='utf-8') as f:
        data = json.load(f)
    # 处理图片
    img_name = os.path.basename(json_file).replace('.json', '.jpg')
    img_path = os.path.join(os.path.dirname(json_file), img_name)
    img = cv2.imread(img_path)
    h, w, _ = img.shape
    # 保存图片到VOC目录
    cv2.imwrite(os.path.join(voc_img_dir, img_name), img)
    # 生成XML
    root = Element('annotation')
    SubElement(root, 'folder').text = 'JPEGImages'
    SubElement(root, 'filename').text = img_name
    size = SubElement(root, 'size')
    SubElement(size, 'width').text = str(w)
    SubElement(size, 'height').text = str(h)
    SubElement(size, 'depth').text = '3'
    # 遍历每个标注目标
    for shape in data['shapes']:
        cls = shape['label']
        if cls not in labels:
            continue
        points = shape['points']
        xmin = int(min(p[0] for p in points))
        ymin = int(min(p[1] for p in points))
        xmax = int(max(p[0] for p in points))
        ymax = int(max(p[1] for p in points))
        obj = SubElement(root, 'object')
        SubElement(obj, 'name').text = cls
        bndbox = SubElement(obj, 'bndbox')
        SubElement(bndbox, 'xmin').text = str(xmin)
        SubElement(bndbox, 'ymin').text = str(ymin)
        SubElement(bndbox, 'xmax').text = str(xmax)
        SubElement(bndbox, 'ymax').text = str(ymax)
    # 格式化XML并保存
    xml_str = parseString(tostring(root)).toprettyxml(indent='  ')
    xml_file = os.path.join(voc_anno_dir, img_name.replace('.jpg', '.xml'))
    with open(xml_file, 'w', encoding='utf-8') as f:
        f.write(xml_str)

# 使用示例
labels = ['_background_', 'class1', 'class2', 'class3', 'class4']
os.makedirs('output_voc/JPEGImages', exist_ok=True)
os.makedirs('output_voc/Annotations', exist_ok=True)
for json_file in os.listdir('labelme_raw'):
    if json_file.endswith('.json'):
        labelme_json_to_voc(os.path.join('labelme_raw', json_file), 
                            'output_voc/Annotations', 
                            'output_voc/JPEGImages', 
                            labels)

这个脚本可以直接处理你的数据集，且能应对单张图50+标注的场景。

内容的提问来源于stack exchange，提问作者What