Merge branch 'develop' of https://github.com/PaddlePaddle/PaddleSeg into develop

docs/annotation/jingling2seg.md

@@ -59,16 +59,16 @@
 * 经过数据格式转换后的数据集目录结构如下：
 
  ```
- my_dataset                 # 根目录 
+ my_dataset                 # 根目录
  |-- outputs                # 标注工具导出目录
- |   |-- annotations            # 数据集真值 
- |       |-- xxx.png            # 像素级别的真值信息 
- |       |... 
+ |   |-- annotations            # 数据集真值
+ |       |-- xxx.png            # 像素级别的真值信息
+ |       |...
  |   |-- class_names.txt        # 数据集的类别名称
  |   |-- xxx.json               # 标注json文件
  |-- xxx.jpg(png or other)  # 数据集原图
  |-- ...
- 
+
  ```
 
 <div align="center">
@@ -76,16 +76,10 @@
     <p>图5 格式转换后的数据集目录的结构示意图</p>
  </div>
 
-* 运行转换脚本需要依赖labelme和pillow，如未安装，请先安装。Labelme的具体安装流程请参见[官方安装指南](https://github.com/wkentaro/labelme)。Pillow的安装：
-
-```shell
-pip install pillow
-```
-
 * 运行以下代码，将标注后的数据转换成满足以上格式的数据集：
 
 ```
-python pdseg/tools/jingling2seg.py <PATH/TO/LABEL_JSON_FILE> 
+python pdseg/tools/jingling2seg.py <PATH/TO/LABEL_JSON_FILE>
 ```
 
 其中，`<PATH/TO/LABEL_JSON_FILE>`为精灵标注产出的json文件所在文件夹的目录，一般为精灵工具使用（3）中`保存位置`下的`outputs`目录。
@@ -101,4 +95,4 @@ python pdseg/tools/jingling2seg.py docs/annotation/jingling_demo/outputs/
 <div align="center">
     <img src="../imgs/annotation/jingling-5.png" width="600px"/>
     <p>图6 格式转换后的数据集各目录的内容示意图</p>
- </div>	
+ </div>

docs/annotation/labelme2seg.md

@@ -53,11 +53,11 @@ LableMe产出的真值文件可参考我们给出的文件夹[docs/annotation/la
     <img src="../imgs/annotation/image-5.png" width="600px"/>
     <p>图5 LableMe产出的真值文件的示意图</p>
  </div>
- 
+
  **Note：**
- 
+
  对于中间有空洞的目标的标注方法：在标注完目标轮廓后，再沿空洞区域边缘画多边形，并将其指定为其他类别，如果是背景则指定为`_background_`。如下：
- 
+
  <div align="center">
     <img src="../imgs/annotation/image-10.jpg" width="600px"/>
     <p>图6 带空洞目标的标注示意图</p>
@@ -69,16 +69,16 @@ LableMe产出的真值文件可参考我们给出的文件夹[docs/annotation/la
 * 经过数据格式转换后的数据集目录结构如下：
 
  ```
- my_dataset                 # 根目录 
- |-- annotations            # 数据集真值 
- |   |-- xxx.png            # 像素级别的真值信息 
- |   |... 
+ my_dataset                 # 根目录
+ |-- annotations            # 数据集真值
+ |   |-- xxx.png            # 像素级别的真值信息
+ |   |...
  |-- class_names.txt        # 数据集的类别名称
  |-- xxx.jpg(png or other)  # 数据集原图
  |-- ...
  |-- xxx.json               # 标注json文件
  |-- ...
- 
+
  ```
 
 <div align="center">
@@ -86,16 +86,10 @@ LableMe产出的真值文件可参考我们给出的文件夹[docs/annotation/la
     <p>图7 格式转换后的数据集目录的结构示意图</p>
  </div>
 
-* 运行转换脚本需要依赖labelme和pillow，如未安装，请先安装。Labelme的具体安装流程请参见[官方安装指南](https://github.com/wkentaro/labelme)。Pillow的安装：
-
-```shell
-pip install pillow
-```
-
 * 运行以下代码，将标注后的数据转换成满足以上格式的数据集：
 
 ```
-  python pdseg/tools/labelme2seg.py <PATH/TO/LABEL_JSON_FILE> 
+  python pdseg/tools/labelme2seg.py <PATH/TO/LABEL_JSON_FILE>
 ```
 
 其中，`<PATH/TO/LABEL_JSON_FILE>`为图片以及LabelMe产出的json文件所在文件夹的目录，同时也是转换后的标注集所在文件夹的目录。
@@ -111,4 +105,4 @@ python pdseg/tools/labelme2seg.py docs/annotation/labelme_demo/
 <div align="center">
     <img src="../imgs/annotation/image-7.png" width="600px"/>
     <p>图8 格式转换后的数据集各目录的内容示意图</p>
- </div>	
+ </div>

pdseg/tools/jingling2seg.py

@@ -20,12 +20,11 @@ import glob
 import json
 import os
 import os.path as osp
-
 import numpy as np
 import PIL.Image
-import labelme
 
 from gray2pseudo_color import get_color_map_list
+from labelme2seg import shape2label
 
 
 def parse_args():
@@ -102,10 +101,10 @@ def main(args):
             img_shape = (data_size['height'], data_size['width'],
                          data_size['depth'])
 
-            lbl = labelme.utils.shapes_to_label(
-                img_shape=img_shape,
+            lbl = shape2label(
+                img_size=img_shape,
                 shapes=data_shapes,
-                label_name_to_value=class_name_to_id,
+                class_name_mapping=class_name_to_id,
             )
 
             if osp.splitext(out_png_file)[1] != '.png':

pdseg/tools/labelme2seg.py

@@ -17,13 +17,14 @@ from __future__ import print_function
 
 import argparse
 import glob
+import math
 import json
 import os
 import os.path as osp
-
 import numpy as np
 import PIL.Image
-import labelme
+import PIL.ImageDraw
+import cv2
 
 from gray2pseudo_color import get_color_map_list
 
@@ -77,12 +78,12 @@ def main(args):
             data = json.load(f)
 
             img_file = osp.join(osp.dirname(label_file), data['imagePath'])
-            img = np.asarray(PIL.Image.open(img_file))
+            img = np.asarray(cv2.imread(img_file))
 
-            lbl = labelme.utils.shapes_to_label(
-                img_shape=img.shape,
+            lbl = shape2label(
+                img_size=img.shape,
                 shapes=data['shapes'],
-                label_name_to_value=class_name_to_id,
+                class_name_mapping=class_name_to_id,
             )
 
             if osp.splitext(out_png_file)[1] != '.png':
@@ -98,6 +99,27 @@ def main(args):
                     'Please consider using the .npy format.' % out_png_file)
 
 
+def shape2mask(img_size, points):
+    label_mask = PIL.Image.fromarray(np.zeros(img_size[:2], dtype=np.uint8))
+    image_draw = PIL.ImageDraw.Draw(label_mask)
+    points_list = [tuple(point) for point in points]
+    assert len(points_list) > 2, 'Polygon must have points more than 2'
+    image_draw.polygon(xy=points_list, outline=1, fill=1)
+    return np.array(label_mask, dtype=bool)
+
+
+def shape2label(img_size, shapes, class_name_mapping):
+    label = np.zeros(img_size[:2], dtype=np.int32)
+    for shape in shapes:
+        points = shape['points']
+        class_name = shape['label']
+        shape_type = shape.get('shape_type', None)
+        class_id = class_name_mapping[class_name]
+        label_mask = shape2mask(img_size[:2], points)
+        label[label_mask] = class_id
+    return label
+
+
 if __name__ == '__main__':
     args = parse_args()
     main(args)