Yolo中的坐标转化问题以及txt文本转xml文件方法

准备Yolo数据集的时候，使用工具标注出来坐标可能是归一化之后的坐标，如果想要得到图片上的原始坐标则需要通过公式转化，下面我详细分析一下图片原始坐标和归一化坐标之间的关系，之后不论需要哪种坐标都能很轻松的转换。

定义原始图片中：

宽高为（w，h） bounding box（xmin，ymin，xmax，ymax）为左上角和右下角两个点的坐标

归一化后图片中：

宽高为（w1，h1）中心点坐标（x，y）

有如下归一化公式：

$x = (\frac{xmin+xmax}{2})\cdot \frac{1}{w}$ $y = (\frac{ymin+ymax}{2})\cdot \frac{1}{h}$

$w1 = (\frac{xmax-xmin}{w})$ $h1 = (\frac{xmax-xmin}{h})$

根据上述公式联立解方程即可反推出归一化之前的数值：

$xmin = w\cdot (x - \frac{w1}{2})$ $xmax = w\cdot (x + \frac{w1}{2})$

$ymin = h\cdot (y - \frac{h1}{2})$ $ymax = h\cdot (y + \frac{h1}{2})$

扫描二维码关注公众号，回复： 9346258 查看本文章

xmin = int(wide * (x - (wp / 2.0)))
ymin = int(height * (y - (hp / 2.0)))
xmax = int(wide * (x + (wp / 2.0)))
ymax = int(height * (y + (hp / 2.0)))

接下来再说txt文本转化成xml文件的问题

这是我txt标记文本的几行数据

标注数据格式为(filename label x_min y_min x_max y_max)

slipper0-1000.jpg slipper 6 23 136 101
slipper0-112.jpg slipper 580 117 1118 922
slipper0-112.jpg slipper 99 155 618 985
sock0-1.jpg sock 1757 505 2957 1599
sock0-10.jpg sock 934 1100 2010 1368
wire0-1.jpg wire 1173 970 2258 3024
wire0-10.jpg wire 417 844 1726 1249

需要转化成xml格式

<annotation verified="yes">
	<folder>train_small</folder>
	<filename>slipper0-113.jpg</filename>
	<path>/home/hesongze/PycharmProjects/keras-yolo2-master/raccoon_dataset-master/train_small/slipper0-113.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>1280</width>
		<height>1280</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>slipper</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>79</xmin>
			<ymin>351</ymin>
			<xmax>1279</xmax>
			<ymax>961</ymax>
		</bndbox>
	</object>
<object>
		<name>slipper</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>79</xmin>
			<ymin>131</ymin>
			<xmax>1279</xmax>
			<ymax>518</ymax>
		</bndbox>
	</object>
</annotation>

我们需要将这个xml保存下来作为转换模板，anno.xml，后面会用到

最后将下列程序的路径设置好即可运行生成最终label的xml格式，实现txt格式转化为xml格式：

这个方法解决了数据中的多框问题，基本上关键点都做了相应注释，最终的xml文件会生成在Annotations文件夹中

import copy
from lxml.etree import Element, SubElement, tostring, ElementTree
import cv2

# 修改为自己的路径
template_file = '/home/hesongze/PycharmProjects/keras-yolo2-master/user_data/anno.xml'
target_dir = '/home/hesongze/PycharmProjects/keras-yolo2-master/user_data/Annotations/'
image_dir = '/home/hesongze/PycharmProjects/keras-yolo2-master/user_data/train/'  # 图片文件夹
train_file = '/home/hesongze/PycharmProjects/keras-yolo2-master/user_data/data_xxx.txt'  # 存储了图片信息的txt文件
path = '/home/hesongze/PycharmProjects/keras-yolo2-master/user_data/train/'

with open(train_file) as f:
    trainfiles = f.readlines()  # 标注数据 格式(filename label x_min y_min x_max y_max)

file_names = []
tree = ElementTree()

for line in trainfiles:
    trainFile = line.split()
    file_name = trainFile[0]
    print(file_name)

    # 如果没有重复，则顺利进行。这给的数据集一张图片的多个框没有写在一起。
    if file_name not in file_names:
        file_names.append(file_name)
        lable = trainFile[1]
        xmin = trainFile[2]
        ymin = trainFile[3]
        xmax = trainFile[4]
        ymax = trainFile[5]

        tree.parse(template_file)
        root = tree.getroot()
        root.find('filename').text = file_name
        #path
        root.find('path').text = path + file_name

        # size
        sz = root.find('size')
        im = cv2.imread(image_dir + file_name)  # 读取图片信息

        sz.find('height').text = str(im.shape[0])
        sz.find('width').text = str(im.shape[1])
        sz.find('depth').text = str(im.shape[2])

        # object 因为我的数据集都只有一个框
        obj = root.find('object')

        obj.find('name').text = lable
        bb = obj.find('bndbox')
        bb.find('xmin').text = xmin
        bb.find('ymin').text = ymin
        bb.find('xmax').text = xmax
        bb.find('ymax').text = ymax
        # 如果重复，则需要添加object框
    else:
        lable = trainFile[1]
        xmin = trainFile[2]
        ymin = trainFile[3]
        xmax = trainFile[4]
        ymax = trainFile[5]

        xml_file = file_name.replace('jpg', 'xml')
        tree.parse(target_dir + xml_file)  # 如果已经重复
        root = tree.getroot()

        obj_ori = root.find('object')

        obj = copy.deepcopy(obj_ori)  # 注意这里深拷贝

        obj.find('name').text = lable
        bb = obj.find('bndbox')
        bb.find('xmin').text = xmin
        bb.find('ymin').text = ymin
        bb.find('xmax').text = xmax
        bb.find('ymax').text = ymax
        root.append(obj)

    xml_file = file_name.replace('jpg', 'xml')
    tree.write(target_dir + xml_file, encoding='utf-8')

Forizon

发布了39 篇原创文章 · 获赞 96 · 访问量 2万+

私信关注

Yolo中的坐标转化问题以及txt文本转xml文件方法

猜你喜欢