前言：
这次我们要做的是一个物堆(也可以是沙、矿堆之类)的数据集，用于语义分割。我们的工作，就是要使用labelme工具，利用原图1.jpg生成它的标签图片1.png，得到的最终结果像下面这样：
1. 安装 Anaconda3
具体安装步骤以及下载地址可见：Anaconda3+tensorflow2.0.0+PyCharm安装与环境搭建中的Anaconda3安装部分。已经安装过了可跳过这一步~
2. 安装 labelme
(1)第一步，打开Anaconda Prompt ，然后使用conda创建一个虚拟环境，并命名为labelme。
conda create -n labelme python=3.6
(2)进入创建好的虚拟环境
conda activate labelme
(3)下载安装labelme
pip install labelme
如果速度太慢的话，可改用清华镜像源下载(推荐)，方法如下：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple labelme
如果没有报错的话，到这一步你就安装完成了！
3. 使用 labelme
(1)打开 labelme 界面
在刚才创建的虚拟环境下，打开labelme。如下图所示：直接输入label，然后回车。
注：如果你之前不小心退出了labelme虚拟环境，需要重新进入该环境下。
打开之后，labelme的界面就像下面这样：
(2)标注数据集
第一步，点击open。打开你准备好的数据集，选中第一张图片打开。比如下面我打开的图片是302.jpg
第二步，点击 create polygons 开始描点。描点一定要细致，要将目标(这里是物堆)刚好框住。就像下面这样：
锚点完成后，会自动跳出下图页面让你标注类别。这里因为我只需要判断出物堆的区域，所以类别直接命名为1即可。
然后点击保存，就得到了对应的json文件。如下图所示：
(3)生成 png 图片标签
在开始菜单，再次找到 Anaconda Prompt 打开。注意第一次打开的 Anaconda Prompt 不要关。
第一步，先进入已经创建好的labelme环境：
conda activate labelme
第二步，cd 到刚才生成的json文件地址。比如我生成的302.json文件在：C:\Users\yibo_liu\Desktop\沙堆数据集\数据集test。那就cd 到该目录下：
第三步，运行如下代码：
labelme_json_to_dataset .json
比如我要生成 302.json 的 png 标签文件，就像下面这样：
这一步完成后，就生成了302_json文件，我们最终需要的png标签就在这个文件夹里。
最后，打开302_json文件，需要将里面的 label.png 重命名为 302.png，这就是我们最终要的标签。
注意：标签图片名一定要和原图对应。
到这里就完成了一张图的标注过程。最终，需要将所有重命名后的png标签图片存有序地放在一个文件里。
