labelme标注的json文件转为paddleOCR提供的标注文件格式

1.数据集的准备

在用paddleocr训练自定义的数据集时，我们需要使用自己标注的数据，paddle提供的标注文件格式为：

其中json.dumps编码前的图像标注信息是包含多个字典的list，字典中的 points 表示文本框的四个点的坐标(x, y)，从左上角的点开始顺时针排列。 transcription 表示当前文本框的文字。
所以楼主采用了labelme标注软件来进行标注。
标注的结果如下：

{
    
    
  "version": "4.5.6",
  "flags": {
    
    },
  "shapes": [
    {
    
    
      "label": "200MM",
      "points": [
        [
          332.1428571428571,
          402.33516483516485
        ],
        [
          347.3901098901099,
          428.7087912087912
        ],
        [
          428.15934065934067,
          370.3296703296703
        ],
        [
          412.08791208791206,
          348.489010989011
        ]
      ],
      "group_id": null,
      "shape_type": "polygon",
      "flags": {
    
    }
    },
    {
    
    
      "label": "CHROME",
      "points": [
        [
          606.6852367688023,
          190.80779944289694
        ],
        [
          618.6629526462395,
          209.4707520891365
        ],
        [
          694.1888619854722,
          154.23728813559322
        ],
        [
          681.5980629539952,
          138.25665859564165
        ]
      ],
      "group_id": null,
      "shape_type": "polygon",
      "flags": {
    
    }
    },
    {
    
    
      "label": "VANADIUM",
      "points": [
        [
          613.3600194244167,
          213.90430776909224
        ],
        [
          625.0569476082005,
          230.5239179954442
        ],
        [
          716.0234576810753,
          162.81471939136827
        ],
        [
          704.8854431532303,
          146.34982835020605
        ]
      ],
      "group_id": null,
      "shape_type": "polygon",
      "flags": {
    
    }
    }
  ],
  "imagePath": "..\\images\\new_pic_0.png",
  "imageData": "图片的数据太大，这里就删除了"
  "imageHeight": 718,
  "imageWidth": 860
}

2.将json文件转为txt文件

import json
import os

def transfrom_dict_to_str(target_dict):
    # 根据字典重新组织数据
    list_target = []
    list_data = target_dict['shapes']
    for item in list_data:
        dict02 = {
    
    }
        # 把label 转化为transcription
        dict02['transcription'] = item['label']
        list03 = item['points']
        list04 = []
        for j in list03:
            list04.append([int(j[0]), int(j[1])])
        dict02['points'] = list04
        list_target.append(dict02)
    target_str = str(list_target)
    # 将字符中的"符号提前进行转义
    # target_str = target_str.replace("\"", "\\"")
    # 将字符中的'符号转为"
    target_str = target_str.replace("'", "\"")
    # print(target_str)
    return target_str


if __name__ == "__main__":
    # json文件的文件夹
    src = r"D:\chrome_download\pic\label"
    f = open('demo.txt', 'a', encoding='utf-8')
    for dirpath, dirnames, filenames in os.walk(src):
        for filename in filenames:
            fd = open(os.path.join(src, filename))
            data = fd.read()
            dict01 = json.loads(data)
            target_str = transfrom_dict_to_str(dict01)
            image_path = dict01['imagePath']
            f.write('icdar_c4_train_imgs/'+image_path.split('\\')[-1]+'\t')
            f.write(target_str+'\n')
    f.close()

转换后的结果：

转换成功，大功告成，然后我们就可以用我们的标注格式文件进行相应的ocr训练了

后记：如果标记的字符中本来就有"这个字符，这里我们需要自己手动转义一下
例如：
这里的8"需要我们手动添加为8\"，否则paddle会分辨不出两个"到底是什么意思。
因为楼主标记的图片中只有一处需要修改，因此，就没有更改原来的脚本。当然如果你遇到大量修改的地方，可以在将字符中的’符号转为"的位置提前把"进行转义。