[人工智能]从VOC数据集中把boundingbox截取出来

最近由于项目需要想把Object Detection数据集中的bounding box抠出来（这里其实是想偷个懒，本来应该是将segmentation扣取，后面发现bounding box不行，只能换成segmentation，这是后话了）
但是发现这种通用性这么广的数据集居然网上没用现成直接可用的代码，没办法，只能自行写。
好了，废话不多说，直接上代码吧

import os
import cv2
import xml.etree.ElementTree as ET
from tqdm import tqdm

classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat",
            "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person",
            "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
# 这里的Ori_Path表示原始VOC数据集的位置，需要自行更改
Ori_Path = './VOC2012/'
# 这里的Save_Path表示把boundingbox分割之后保存的图像，也是需要自行更改的
Save_Path = './Cut_image/'

# 生成每个类别的文件夹
def make_class_Dir():
    for cls in classes:
        path = Save_Path + cls
        if not os.path.exists(path):
            os.mkdir(path)

# 定义一个boundingbox切割的函数，把boundingbox区域分割
def image_cut(path, bbox, save_path):
    img = cv2.imread(path, flags=cv2.IMREAD_COLOR)
    cut_image = img[bbox[1]:bbox[1]+bbox[3], bbox[0]:bbox[0]+bbox[2]]
    cv2.imwrite(save_path, cut_image)

# 从xml文件中读取boundingbox的具体信息
def Get_bbox_from_xml(xml_path):
    global xmin, ymin, xmax, ymax
    etree = ET.parse(xml_path)
    root = etree.getroot()
    for filename in root.iter('filename'):
        img_name = filename.text
        img_path = Ori_Path + 'JPEGImages/' + img_name
    print(img_path)
    for obj in root.iter('object'):
        for cls in obj.iter('name'):
            save_path = Save_Path + cls.text + '/' + img_name
            # 从每一个object中分别找到xmin,ymin,xmax,ymax
            for position in obj.iter(('xmin')):
                xmin = int(float(position.text))
            for position in obj.iter(('ymin')):
                ymin = int(float(position.text))
            for position in obj.iter(('xmax')):
                xmax = int(float(position.text))
            for position in obj.iter(('ymax')):
                ymax = int(float(position.text))
            image_cut(img_path, (xmin, ymin, xmax, ymax), save_path)

if __name__ == '__main__':
    make_class_Dir()
    这里的path表示VOC2012数据集中的放xml文件的目录
    path = './VOC2012/Annotations/'
    xml_files = os.listdir(path)
    for xml in tqdm(xml_files):
        xml_path = path + xml
        # print(xml_path)
        # xxx = xml.dom.minidom.parse(xml_path)
        Get_bbox_from_xml(xml_path)

直接运行上面的代码就可以了，注意一下，上面找xmin, ymin, xmax, ymax的地方有一个坑，就是VOC2012的数据集中不同年份标注的xmin, ymin, xmax, ymax顺序是不一样，注意不要直接想当然是xmin, ymin, xmax, ymax的顺序（这是我在网上看的别人其他人时发现的问题）。

这是2007开头xml的写法，是xmin、ymin、xmax、ymax的顺序

<object>
		<name>tvmonitor</name>
		<pose>Frontal</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>251</xmin>
			<ymin>28</ymin>
			<xmax>475</xmax>
			<ymax>267</ymax>
		</bndbox>
	</object>

这是2009开头xml的写法，是xmax、xmin、ymax、ymin的顺序

<object>
		<name>car</name>
		<bndbox>
			<xmax>458</xmax>
			<xmin>260</xmin>
			<ymax>92</ymax>
			<ymin>29</ymin>
		</bndbox>
		<difficult>0</difficult>
		<occluded>0</occluded>
		<pose>Right</pose>
		<truncated>0</truncated>
	</object>