当我们制作自己的图像分割数据集时，一般都需要对数据集进行像素级标注，生成mask(对应原图像的每个像素的类别图，一般为灰度图)，常用工具为labelme，安装很简单，anaconda下安装为以下四个语句：
conda create --name=labelme python=3.7
conda activate labelme
conda install pyqt
pip install labelme
参考链接：https://blog.csdn.net/qq_21466543/article/details/80693955
对所有数据集用labelme标注好保存后，会在原图的路径下自动生成：原图片名称.json文件。为了由json文件生成分割的mask标签，我们此刻需要使用labelme的labelme_json_to_dataset命令将json文件转换为mask（安装好labelme后，可以直接在终端输入labelme_json_to_dataset C:\Users\Administrator\Desktop\tumor_seg\quick_val\010.json(后面是json文件的绝对路径)），但此命令只能一次转化一个json文件，为了能批量转换，需要改进json_to_dataset.py文件，然后使用json_to_dataset.py文件去批量转换json文件。我的json_to_dataset.py的位置在D:\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli里面，读者可以参考，修改的时候最好复制了修改，将原文件重命名保留，以防修改错误难以恢复，修改内容参考网址：http://blog.csdn.net/u014513323/article/details/81166997。
注意：此处博主说mask_png中存放的是8位掩码文件存疑，作者运行后生成的mask_png图像几乎为黑色，导入matlab中看到，mask的像素值为1或0，灰度值太低，故考虑增加对比度（二分类直接二值化），但作者将mask中灰度值为1的像素灰度值置为255时，发现mask仍然全黑，后面修改了原博客程序中的第68行为 mask_dst = skimage.color.rgb2gray(lbl) # 将lbl转换为普通8位灰度图 。此时，在matlab中，将生成的mask像素值为1的像素重新赋予255的像素值后，matlab显示此刻mask为二值化的黑白图。所以，原博客代码生成的mask_png实际上为高精度的16位灰度图，255的灰度值相比其65535的最大灰度值仍然很小，所以将其作为8位灰度图二值化时仍然输出全黑的图片。这时有两种方法，其一是上述所提到的更改程序生成普通8位灰度图，其二是使用原程序，但二值化时，将mask中1像素值更改为65535像素值。
参考博客：
https://blog.csdn.net/qq_21466543/article/details/80693955
http://blog.csdn.net/u014513323/article/details/81166997
