将XML格式转化为YOLO需要的txt格式（代码）

2023-05-11 499

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 前面的0代表类别举个例子我们检测图片里面有三个动物分别是狗猫牛那我们就把狗当作0 猫当作1 牛当作2 这样计算机很容易明白 0后面有四个数字代表这个类别出现的位置，其实也就是矩形框

1、XML的格式

<annotation>
  <folder>cr</folder>
  <filename>crazing_2.jpg</filename>
  <source>
    <database>NEU-DET</database>
  </source>
  <size>
    <width>200</width>
    <height>200</height>
    <depth>1</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>crazing</name>
    <pose>Unspecified</pose>
    <truncated>1</truncated>
    <difficult>0</difficult>
    <bndbox>
      <xmin>99</xmin>
      <ymin>120</ymin>
      <xmax>200</xmax>
      <ymax>174</ymax>
    </bndbox>
  </object>
  <object>
    <name>crazing</name>
    <pose>Unspecified</pose>
    <truncated>1</truncated>
    <difficult>0</difficult>
    <bndbox>
      <xmin>8</xmin>
      <ymin>16</ymin>
      <xmax>200</xmax>
      <ymax>111</ymax>
    </bndbox>
  </object>
</annotation>

我们来读一下这个xml文件核心内容

xmin ymin xmax ymax 这四个值代表了这个图像中的矩形框的位置并且给这个位置取名为crazing

举个例子一张有图片

我们用框框把狗框起来并且命名这个框为狗

计算机就知道这个地方有个狗

2、转化代码

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import glob
classes = ["crazing", "inclusion", "patches", "pitted_surface", "rolled-in_scale", "scratches"]
def convert(size, box):
    dw = 1.0 / size[0]
    dh = 1.0 / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)
def convert_annotation(image_name):
    in_file = open('./Basic_data/indata/' + image_name[:-3] + 'xml')  # xml文件路径
    out_file = open('./Basic_data/labels/train/' + image_name[:-3] + 'txt', 'w')  # 转换后的txt文件存放路径
    f = open('./Basic_data/indata/' + image_name[:-3] + 'xml')
    xml_text = f.read()
    root = ET.fromstring(xml_text)
    f.close()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        cls = obj.find('name').text
        if cls not in classes:
            print(cls)
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text),
                float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
if __name__ == '__main__':
    for image_path in glob.glob("datasets/Basic_data/IMAGES/*.jpg"):  # 每一张图片都对应一个xml文件这里写xml对应的图片的路径
        image_name = image_path.split('\\')[-1]
        convert_annotation(image_name)