指定类别的labelme标注的语义分割数据增强python代码

以下是一个示例的Python代码，用于对指定类别的labelme标注的语义分割数据进行增强：

import os
import cv2
import numpy as np

def semantic_segmentation_augmentation(directory, save_directory, target_class):
    # 遍历指定目录下的文件
    for filename in os.listdir(directory):
        if filename.endswith(".json"):  # 查找以.json结尾的文件
            json_file = os.path.join(directory, filename)
            image_file = json_file.replace(".json", ".jpg")  # 将.json替换为.jpg

            if os.path.isfile(image_file):  # 检查对应的图片文件是否存在
                # 读取图片文件
                image = cv2.imread(image_file)
                height, width, _ = image.shape

                # 读取JSON文件并获取标注信息
                with open(json_file, 'r') as f:
                    json_data = json.load(f)
                
                # 创建空白的语义分割图像
                seg_image = np.zeros((height, width), dtype=np.uint8)

                # 处理每个标注对象
                for shape in json_data['shapes']:
                    class_name = shape['label']
                    if class_name == target_class:
                        points = shape['points']
                        polygon_points = np.array(points, dtype=np.int32)
                        cv2.fillPoly(seg_image, [polygon_points], 255)

                # 将增强后的语义分割图像保存到指定目录
                save_path = os.path.join(save_directory, filename.replace(".json", ".png"))
                cv2.imwrite(save_path, seg_image)
                print(f"语义分割图像保存成功：{save_path}")
            else:
                print(f"找不到对应的图片文件：{image_file}")

# 指定包含labelme标注文件的目录和保存增强后数据的目录
directory = "path/to/labelme/files"
save_directory = "path/to/save/augmented/data"
# 指定目标类别名称
target_class = "class_name"
semantic_segmentation_augmentation(directory, save_directory, target_class)

你需要将代码中的`"path/to/labelme/files"`替换为包含标注文件的实际目录路径，将`"path/to/save/augmented/data"`替换为你想要保存增强后数据的目录路径，将`"class_name"`替换为你想要增强的目标类别名称。运行代码后，它会遍历目录中的所有.json文件，读取标注信息并创建相应的语义分割图像，然后将增强后的语义分割图像保存到指定目录。

希望这可以帮到你！如果有任何问题，请随时问我。