WHCSRL 技术网

目标检测数据集格式转换( xml - txt ),以及图像标签的对应裁剪_XC_

前言

在目标检测数据集的制作上,我们保存的标签格式基本是xml格式的,但是在yolov5等网络模型中,我们使用的是txt的标签格式,需要进行相互转换。

还有一些其他的用处,需要修改相关的xml的标签数据,这里写了一个脚本,用来修改我们的标签数据。

xml to txt

直接修改输入和输出的路径,以及修改一下自己的保存格式即可,还设置了一个归一化的可选的操作,直接看代码即可。

写的粗糙了点,需要改的你们自己改就行。

import os
from lxml import etree

#设置输入的xml文件夹,输出的txt的文件夹的位置
path = r"D:labels_ori_xml"
write_path = r"D:labels_ori_txt"

#切换工作目录
os.chdir(path)

#获取xml文件夹下的所有文件名
filenames = os.listdir(path)
for filename in filenames:
    #打开写入文件
    new_name = filename.split('.')[0] + '.txt'
    if not os.path.exists(write_path):
        os.mkdir(write_path)
    f = open(write_path + '\' + new_name, 'w')
    with open(filename,'rb') as fp:
        #开始解析xml文件
        xml = etree.HTML(fp.read())
        width = int(xml.xpath('//size/width/text()')[0])
        height = int(xml.xpath('//size/height/text()')[0])
        # 获取对象标签
        obj = xml.xpath('//object')
        print(len(obj))
        for each in obj:
            name = each.xpath("./name/text()")[0]
            if name == 'car':
                classes = 0
            xmin = int(each.xpath('./bndbox/xmin/text()')[0])
            xmax = int(each.xpath('./bndbox/xmax/text()')[0])
            ymin = int(each.xpath('./bndbox/ymin/text()')[0])
            ymax = int(each.xpath('./bndbox/ymax/text()')[0])

            # 归一化(可选)
            dw = 1 / width
            dh = 1 / height
            x_center = (xmin + xmax) / 2
            y_center = (ymax + ymin) / 2
            w = (xmax - xmin)
            h = (ymax - ymin)
            x, y, w, h = x_center * dw, y_center * dh, w * dw, h * dh
            # 写入
            f.write(str(classes) + ' ' + str(x) + ' ' + str(y) + ' ' + str(w) + ' ' + str(h) + ' ' + '
')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45

修改图像和对应的xml数据

我们在制作完成数据集之后,可能只需要裁剪出一部分的图像和标签数据作为训练数据,这里,写了一个图像和标签数据裁剪的代码,输出想要的对应的区域。

比如说我只想裁剪出所有数据集中的这个位置的图像,并修改对应的标签文件。
在这里插入图片描述

直接看代码了。

标签的裁剪

import os
import xml.etree.ElementTree as ET
import glob

#设置输入的xml文件夹,输出的txt的文件夹的位置
in_path = r"D:DATADL_TorchDATASskysatlabels_ori"
write_path = r"D:DATADL_TorchDATASskysatlabels_ori_512"

if not os.path.exists(write_path):
    os.mkdir(write_path)

# 切换工作空间并获取文件
os.chdir(in_path)
annotations = os.listdir('.')
annotations = glob.glob(str(annotations)+'*.xml')

# 迭代每个xml文件
for i, file in enumerate(annotations):
    # 设置保存文件
    save_name = file.split('.')[0] + '.xml'
    save_file = os.path.join(write_path, save_name)

    #开始解析xml文件
    with open(file,'rb') as fp:
        xml = ET.parse(fp)
        root = xml.getroot()

        #更改宽、高(这里手动设置为自己需要裁剪的尺寸)
        size = root.find('size')
        size.find('width').text = str(512)
        size.find('height').text = str(512)
        # print(size.find('width').text,size.find('height').text)

        # 获取对象标签
        for obj in root.findall('object'):
            xmlbox = obj.find('bndbox')
            xmin = int(xmlbox.find('xmin').text)
            xmax = int(xmlbox.find('xmax').text)
            ymin = int(xmlbox.find('ymin').text)
            ymax = int(xmlbox.find('ymax').text)
            #过滤筛选不在范围内的标签,根据自己的需要修改范围
            if (xmax > 512 or ymax > 512):
                root.remove(obj)

        xml.write(save_file, xml_declaration=True)
        print('{} is finished!!!'.format(save_file))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46

图像的裁剪

import os
import glob

in_path = 'D:images_ori'
out_path = r'D:images_ori_512'

# 切换工作空间并获取文件
os.chdir(in_path)
annotations = os.listdir('.')
annotations = glob.glob(str(annotations)+'*.jpg')

#创建输出文件夹
if not os.path.exists(out_path):
    os.mkdir(out_path)

# 迭代每张图片
for i, file in enumerate(annotations):
    # 设置保存文件并打开
    save_name = file.split('.')[0] + '.jpg'
    save_file = os.path.join(out_path, save_name)
    img = Image.open(file)
    cropped = img.crop((0, 0, 512, 512))    #设置裁剪范围(x_min, y_min, x_max, y_max)
    cropped.save(save_file)
    print('{} save successed!!!'.format(save_file))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24

还行,凑合着用。需要改的自己改一点。

推荐阅读