python批量实现24位深的伪彩图转换为8位的伪彩图，将EISeg分割生成的24位深的彩图转换为8位深的彩图 在训练语义分割时，需要有原图和相应的分割图，分割图一般有两种方式 一是用labelme进行打标签，然后根据json文件进行批量分割，这样的图片一般都是8位深的伪彩图，可以直接送到模型训练。 而第二种是使用EISeg生成的图片进行模型训练，然而EISeg生成的是24位深的伪彩图，（肉眼看是没有任何区别的，但就是不能送到模型中训练），需要进行转换，转换为8位深的伪彩图。 python批量实现24位深的伪彩图转换为8位的伪彩图，将EISeg分割生成的24位深的彩图转换为8位深的彩图 python批量实现24位深的伪彩图转换为8位的伪彩图，将EISeg分割生成的24位深的彩图转换为8位深的彩图

1. 批量生成每张图片的标注结果文件夹(含 img.png, label.png, label_names.txt, label_viz.png） 2. 将所有.json 导出的标注文件夹中的 img.png, label.png 复制到相应的 img 和 label 文件夹中 3. 将 labelme 产生的 label 转化为二值图（ 红色替换为白色） 4. 将二值图转 nii

解压下载安装即用，标注的文件务必保证全英文目录！！

注意：该数据集是用于图像分割的，且是人物图像分割。 包含了训练集合和测试集合。 训练集：32张 测试集：8张 由于数据集小，所以此数据集只用于快速验证分割网络的搭建。

修改了labelme官方代码，增加了标注框的标签，不再需要点击标注框才知道对应标签的问题，同时增加了已标注个数及总数，方便标记查看每次标注情况，且方便快速定位到未标注位置，具体详情可参考博客：https://blog.csdn.net/ViatorSun/article/details/125976407，如有什么问题可以博客下留言

Labelme Dataset 是用于目标识别的图像数据集，涵盖 1000 多个完全注释和 2000 个部分注释的图像，其中部分注释图像可以被用于训练标记 算法 ，测试集拥有来自于世界不同地方拍摄的图像，这可以保证图片在续联和测试之间会有较大的差异。 该数据集由麻省理工学院 – 计算机科学和 人工智能 实验室于 2007 年发布，相关论文有《LabelMe: a database and web-based tool for image annotation》，且该项目有相关挑战赛。

labelme标注测试

图像标注工具Labelme-linux免安装版

Labelme 是一个图形界面的图像标注软件。它是用 Python 语言编写的，可以对图像进行多边形，矩形，圆形，多段线，线段，点形式的标注，可以生成 VOC 格式的数据集和 COCO 格式的数据集。该版本为windows下编译的standalone版本。

ubuntu版 labelme的安装