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)
代码中有注释,大家自己理解一下哈
再给大家看一下我的文件结构
大家只要改三个路径 就能运行了
?最终 给大家看一下生成的txt文件内容?
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
|