该数据预处理工作主要是基于图片数据集&坐标文本信息数据集来对图片进行切割和文本信息的匹配。
实现过程中参考的博客：
opencv图片旋转矩形分割 https://blog.csdn.net/u013948010/article/details/78605043
基于anaconda的编辑器spyder，python3.6，图像处理的库使用了Opencv，由于anaconda自带有的集成环境以及Anaconda Navigator可以让总是被折磨于环境和库的配置的菜鸟得以苟活。综上所述就是配置Opencv时候直接在Navigator里面搜索并install就OK了（如下图）。
数据的处理主要分为以下三步：
一.读出txt文件中的目标图片的坐标以及文本信息；
二.根据所得到的坐标进行图片截取并旋正；
三.保存目标图片以及其对应的文本信息。
首先呢先吧工作路径改到目标文件，为了方便用.glob来获取所有的图片名字（因为数据集的文件名悠长而鬼畜）
os.chdir('d:\\[update]ICPR_text_train_part1_20180316\\image_1000')#修改默认路径
retval =os.getcwd()#获取当前路径
SetofimageName =glob.glob('*.jpg') #获取当前路径下所有jpg格式文件名到list中
关于文件路径的写法，是一个玄学问题，反正多试几次总会碰到正确的写法的，反正我的python3.6路径全部使用 \\ 是可以的。程序的完整代码如下：
import cv2
from math import *
import math
import numpy as np
import os
import glob
'''旋转图像并剪裁'''
def rotate(
img, # 图片
pt1, pt2, pt3, pt4, # 四点坐标
NewimageName # 输出图片路径
):
withRect = math.sqrt((pt4[0] - pt1[0]) ** 2 + (pt4[1] - pt1[1]) ** 2) # 矩形框的宽度
# heightRect = math.sqrt((pt1[0] - pt2[0]) ** 2 + (pt1[1] - pt2[1]) **2)
if(withRect!=0):
angle = acos((pt4[0] - pt1[0]) / withRect) * (180 / math.pi) # 矩形框旋转角度
if pt4[1]<pt1[1]:
angle=-angle
height = img.shape[0] # 原始图像高度
width = img.shape[1] # 原始图像宽度
rotateMat = cv2.getRotationMatrix2D((width / 2, height / 2), angle, 1) # 按angle角度旋转图像
heightNew = int(width * fabs(sin(radians(angle))) + height * fabs(cos(radians(angle))))
widthNew = int(height * fabs(sin(radians(angle))) + width * fabs(cos(radians(angle))))
rotateMat[0, 2] += (widthNew - width) / 2
rotateMat[1, 2] += (heightNew - height) / 2
imgRotation = cv2.warpAffine(img, rotateMat, (widthNew, heightNew), borderValue=(255, 255, 255))
# 旋转后图像的四点坐标
[[pt1[0]], [pt1[1]]] = np.dot(rotateMat, np.array([[pt1[0]], [pt1[1]], [1]]))
[[pt3[0]], [pt3[1]]] = np.dot(rotateMat, np.array([[pt3[0]], [pt3[1]], [1]]))
[[pt2[0]], [pt2[1]]] = np.dot(rotateMat, np.array([[pt2[0]], [pt2[1]], [1]]))
[[pt4[0]], [pt4[1]]] = np.dot(rotateMat, np.array([[pt4[0]], [pt4[1]], [1]]))
# 处理反转的情况
if pt2[1]>pt4[1]:
pt2[1],pt4[1]=pt4[1],pt2[1]
if pt1[0]>pt3[0]:
pt1[0],pt3[0]=pt3[0],pt1[0]
imgOut = imgRotation[int(pt2[1]):int(pt4[1]), int(pt1[0]):int(pt3[0])]
cv2.imwrite(NewimageName, imgOut) # 保存得到的旋转后的矩形框
return imgRotation # rotated image
# 读取四点坐标
def ReadTxt(directory,last):
global Newpathofimage, Newpathoftxt, allpic, nowimage, nowtxt, nowline, invalidimg
SetofimageName = glob.glob('*.jpg') #获取当前路径下所有jpg格式文件名到list中
Numofimage = len(SetofimageName)
for j in range(Numofimage):
print('处理图片:'+str(j))
imageTxt = directory + SetofimageName[j][:-4] + last # txt路径
imageName =SetofimageName[j]
nowimage = imageName
nowtxt = imageTxt
nowline = 0
imgSrc = cv2.imread(imageName)
if(imgSrc is None):
invalidimg.append(nowimage)
else:
F = open(imageTxt,'rb') #以二进制模式打开目标txt文件
lines = F.readlines() #逐行读入内容
length=len(lines)
s = 0 #计算图片编号，对应文本描述
for i in range(length):
lines[i] = str(lines[i], encoding = "utf-8") #从bytes转为str格式
des = lines[i].split(',')[-1:]
nowline = i
if ((des != ['###\n']) and (des != ['###'])):
s = s + 1
allpic+=1
#保存新图片/txt格式为"原名字+编号+.jpg/.txt"
NewimageName = Newpathofimage + imageName[:-3] + str(s) + '.jpg'
NewtxtName = Newpathoftxt + imageName[:-3] + str(s) + '.txt'
#写入新TXT文件
if (s == length):
des = str(des)[2:-2]
else:
des = str(des)[2:-4]
file = open(NewtxtName,'w') #打开or创建一个新的txt文件
file.write(des) #写入内容信息
file.close()
# str转float
pt1 = list(map(float,lines[i].split(',')[:2]))
pt2 = list(map(float,lines[i].split(',')[2:4]))
pt3 = list(map(float,lines[i].split(',')[4:6]))
pt4 = list(map(float,lines[i].split(',')[6:8]))
# float转int
pt1=list(map(int,pt1))
pt2=list(map(int,pt2))
pt4=list(map(int,pt4))
pt3=list(map(int,pt3))
rotate(imgSrc,pt1,pt2,pt3,pt4,NewimageName)
if __name__=="__main__":
Newpathofimage = 'd:\\competition\\[update] ICPR_text_train_part1_20180316\\newimage\\'
Newpathoftxt = 'd:\\competition\\[update] ICPR_text_train_part1_20180316\\newtxt\\'
allpic = 0
nowimage = ''
nowtxt = ''
nowline = 0
invalidimg=[]
os.chdir('d:\\competition\\[update] ICPR_text_train_part1_20180316\\image_1000')#修改默认路径
retval = os.getcwd()#获取当前路径
directory = 'd:\\competition\\[update] ICPR_text_train_part1_20180316\\txt_1000\\'#TXT文件路径
last = '.txt'
ReadTxt(directory,last)
关于TXT读取部分，F = open(imageTxt,'rb')，imageTxt为文件路径，’’为打开的模式，由于该数据集中既有数字又有中文等等符号，所以用’r’模式是无法打开的（会报错），只能先用二进制模式打开，自己再转str就可以了。Txt文本格式如下：
新txt文件写入直接使用如下代码就可以了：
file = open(NewtxtName,'w') #打开or创建一个新的txt文件，NewTXTName为新文件的全路径
file.write(des) #写入内容信息
file.close() 关于目标图像的截取以及保存呢其实是直接参考一篇博客的，测试了下可以就修修改改直接用了，原理也不是很难就不赘述。注意一点就是虽然数据集提供的是两位小数的坐标，但考虑到实际就将坐标转为整数（像素数不可能小于1噻），所以需要加上if(withRect!=0)的判断条件。
总结
数据预处理过程中学会了：文件的打开，读取，写入；图片的截取，旋转，保存；文件路径的改变；批量读取文件名的方法；split分割。