告别手动重标：基于Python脚本的Labelme数据集增强与JSON同步更新实战
1. 为什么我们需要自动化处理Labelme标注数据
做计算机视觉项目的朋友都知道，数据标注是个体力活。特别是使用Labelme这类工具进行语义分割标注时，每张图片都要手动勾勒物体轮廓，工作量巨大。更让人头疼的是，当我们对原始图片进行数据增强（比如镜像翻转、旋转）时，对应的JSON标注文件却不会自动更新。
我最近就遇到了这个痛点。项目需要增加数据多样性，打算对标注好的数据集做90°、180°、270°旋转增强。按照传统做法，每旋转一张图片，就得重新标注一次，相当于工作量直接翻三倍！这种重复劳动不仅效率低下，还容易出错。
好在Python脚本可以帮我们解决这个问题。通过编写自动化脚本，我们可以在对图片进行几何变换的同时，智能地更新对应的JSON标注文件。这样既保证了数据增强的效果，又避免了重复标注的麻烦。下面我就分享下这个实战经验，手把手教你如何用Python脚本实现Labelme数据集的智能增强。
2. 环境准备与核心思路
2.1 基础环境配置
在开始之前，我们需要准备好开发环境。这个方案主要依赖以下几个Python库：
- Pillow：用于图像处理
- glob：用于文件路径匹配
- json：用于JSON文件读写
- os：用于系统路径操作
- math：用于旋转计算
安装命令很简单：
pip install pillow其他库都是Python标准库，无需额外安装。建议使用Python 3.6+版本，我在3.8环境下测试通过。
2.2 核心解决思路
整个方案的核心逻辑其实很清晰：
- 遍历原始图片文件夹，获取所有待处理的图片
- 对每张图片执行几何变换（镜像、旋转等）
- 同时读取对应的JSON标注文件
- 根据相同的变换规则，更新JSON中的标注点坐标
- 保存变换后的图片和更新后的JSON文件
关键在于第四步——如何准确计算变换后的标注点坐标。对于镜像翻转，我们需要找到中轴线，然后对称翻转所有点坐标；对于旋转，则需要使用三角函数进行坐标变换。
3. 实战代码解析与常见坑点
3.1 文件路径处理的正确姿势
原始代码中第一个大坑就是文件路径处理。很多人在运行脚本时发现输出为空，就是因为路径匹配出了问题。
错误示范：
img_list = glob.glob(path + "*" + file_format)这种写法有两个问题：
- 如果路径中包含特殊字符（如下划线_），通配符*可能匹配失败
- 直接用+拼接路径在不同操作系统下可能不兼容
正确做法是使用os.path.join：
img_list = glob.glob(os.path.join(path, '*.jpg'))同样，输出文件路径也应该这样处理：
full_path = os.path.join(save_path, LR + file_name)3.2 镜像翻转的坐标计算
对于左右镜像翻转，我们需要先找到图片的中轴线，然后将所有标注点对称翻转。具体算法如下：
- 获取图片宽度width，计算中轴mid_width = width / 2
- 对于每个标注点(temp_x, temp_y)：
- 计算该点到中轴的距离dis
- 新x坐标 = 中轴坐标 ± 距离（根据原位置决定加减）
- y坐标保持不变
代码实现：
if temp_x > mid_width: dis = temp_x - mid_width new_x = mid_width - dis elif temp_x < mid_width: dis = mid_width - temp_x new_x = mid_width + dis else: new_x = temp_x new_y = temp_y3.3 旋转操作的坐标变换
旋转操作相对复杂些，需要用到三角函数计算。核心公式是旋转矩阵：
新x = (x - mid_x)*cosθ - (y - mid_y)*sinθ + mid_x 新y = (x - mid_x)*sinθ + (y - mid_y)*cosθ + mid_y
Python实现：
new_x = (temp_x - mid_width) * math.cos(math.radians(angel)) - (temp_y - mid_height) * math.sin(math.radians(angel)) + mid_width new_y = (temp_x - mid_width) * math.sin(math.radians(angel)) + (temp_y - mid_height) * math.cos(math.radians(angel)) + mid_height注意这里角度需要转换为弧度，且旋转是绕图片中心点进行的。
4. 完整代码实现与使用指南
4.1 完整增强脚本
下面是整合了所有功能的完整代码，包含了左右镜像、上下镜像以及旋转增强：
from PIL import Image import os import glob import json import base64 import math # 配置参数 path = "your_dataset_path" # 原始数据集路径 save_path = "your_output_path" # 输出路径 file_format = ".jpg" # 图片格式 replace_format = ".json" # JSON文件格式 # 文件名前缀 LR = "lr_" # 左右镜像 TB = "tb_" # 上下镜像 R90 = "r90_" # 旋转90度 R180 = "r180_" # 旋转180度 R270 = "r270_" # 旋转270度 # 获取图片列表 img_list = glob.glob(os.path.join(path, f'*{file_format}')) def mirror_lr(): """左右镜像增强""" print("开始左右镜像处理...") for img_path in img_list: json_path = img_path.replace(file_format, replace_format) if not os.path.exists(json_path): continue with open(json_path, encoding='utf-8') as f: setting = json.load(f) # 计算中轴并更新坐标 width = setting['imageWidth'] mid_width = width / 2 for shape in setting['shapes']: for point in shape['points']: temp_x = point[0] if temp_x > mid_width: point[0] = mid_width - (temp_x - mid_width) elif temp_x < mid_width: point[0] = mid_width + (mid_width - temp_x) # 保存结果 file_name = setting['imagePath'] setting['imagePath'] = LR + file_name img_save_path = os.path.join(save_path, LR + file_name) json_save_path = img_save_path.replace(file_format, replace_format) # 处理图片 Image.open(img_path).transpose(Image.FLIP_LEFT_RIGHT).save(img_save_path) with open(img_save_path, 'rb') as f: setting['imageData'] = base64.b64encode(f.read()).decode() # 保存JSON with open(json_save_path, 'w', encoding='utf-8') as f: json.dump(setting, f) def rotate(angle, prefix): """旋转增强""" print(f"开始旋转{angle}度处理...") rad = math.radians(angle) cos_val = math.cos(rad) sin_val = math.sin(rad) for img_path in img_list: json_path = img_path.replace(file_format, replace_format) if not os.path.exists(json_path): continue with open(json_path, encoding='utf-8') as f: setting = json.load(f) # 计算中心点并更新坐标 width = setting['imageWidth'] height = setting['imageHeight'] mid_width = width / 2 mid_height = height / 2 for shape in setting['shapes']: for point in shape['points']: x, y = point[0] - mid_width, point[1] - mid_height point[0] = x * cos_val - y * sin_val + mid_width point[1] = x * sin_val + y * cos_val + mid_height # 保存结果 file_name = setting['imagePath'] setting['imagePath'] = prefix + file_name img_save_path = os.path.join(save_path, prefix + file_name) json_save_path = img_save_path.replace(file_format, replace_format) # 处理图片 if angle == 90: Image.open(img_path).transpose(Image.ROTATE_270).save(img_save_path) elif angle == 180: Image.open(img_path).transpose(Image.ROTATE_180).save(img_save_path) elif angle == 270: Image.open(img_path).transpose(Image.ROTATE_90).save(img_save_path) with open(img_save_path, 'rb') as f: setting['imageData'] = base64.b64encode(f.read()).decode() with open(json_save_path, 'w', encoding='utf-8') as f: json.dump(setting, f) # 执行增强 mirror_lr() rotate(90, R90) rotate(180, R180) rotate(270, R270)4.2 使用说明
修改脚本开头的路径配置：
path：原始数据集路径save_path：增强后数据保存路径file_format：图片格式（如.jpg、.png）
根据需要注释/取消注释最后的增强函数调用
运行脚本后，增强后的图片和JSON会自动保存到输出路径
可以使用Labelme打开生成的JSON文件检查标注是否正确
5. 实际应用中的优化建议
5.1 批量处理与进度显示
当处理大量图片时，建议添加进度显示功能。可以这样修改：
total = len(img_list) for idx, img_path in enumerate(img_list): print(f"处理进度: {idx+1}/{total} ({((idx+1)/total)*100:.1f}%)") # 剩余处理代码...5.2 异常处理与日志记录
为了增强脚本的健壮性，应该添加异常处理：
try: with open(json_path, encoding='utf-8') as f: setting = json.load(f) except Exception as e: print(f"处理{json_path}时出错: {str(e)}") continue5.3 多进程加速
对于超大规模数据集，可以使用多进程加速：
from multiprocessing import Pool def process_image(img_path): # 把原来的处理逻辑封装到这里 pass if __name__ == '__main__': with Pool(4) as p: # 4个进程 p.map(process_image, img_list)这个脚本我已经在实际项目中多次使用，效果非常稳定。特别是在处理几千张图片的数据集时，节省了数百小时的人工标注时间。最大的收获不仅是效率提升，更重要的是保证了数据增强后标注的一致性——这是手动重标很难做到的。