Tabla de contenido
1. ¿Introducción al formato VOC y al formato YOLO?
2. Configure la dirección del archivo y la información de la imagen.
3. Recorrer y analizar archivos YOLO
4. Cree un archivo XML y escriba información.
Prefacio
Este artículo describe cómo convertir el formato YOLO al formato XML. Consulte otro artículo para convertir el formato XML al formato YOLO.
1. ¿Introducción al formato VOC y al formato YOLO?
1.formato COV
El formato del conjunto de datos VOC es formato XML. El siguiente es un ejemplo:
<anotación>
<carpeta>img</carpeta>
<nombre de archivo>pikaqiu.jpg</nombre de archivo>
<ruta>E:\cv_code\image_processing\test\img\pikaqiu.jpg</ruta>
<fuente>
<base de datos>Desconocido</base de datos>
</fuente>
<tamaño>
<ancho>1062</ancho>
<alto>974</alto>
<profundidad>3</profundidad>
</tamaño >
<segmentado>0</segmentedo>
<objeto>
<nombre>pikaqiu</nombre>
<pose>Sin especificar</pose>
<truncado>0</truncado>
<difícil>0</difícil>
<bndbox>
<xmin> 83</xmin>
<ymin>74</ymin>
<xmax>987</xmax><xmin>83</xmin> <ymin>74</ymin> <xmax>987</xmax><xmin>83</xmin> <ymin>74</ymin> <xmax>987</xmax>
<ymax>920</ymax>
</bndbox></bndbox></bndbox>
</objeto>
</annotación>
La información que necesitamos usar incluye el nombre de la imagen: <filename>pikaqiu.jpg</filename>, el ancho, alto y la información del número de canal de la imagen: <size> <width>1062</width> <height>974 </altura > <profundidad>3</profundidad> </tamaño>, nombre de categoría: <nombre>pikaqiu</nombre>, información del cuadro: <xmin>83</xmin> <ymin>74</ymin> <xmax >987</xmax> <ymax>920</ymax>.
2.Formato YOLO
(clase, xCenter, yCenter, w, h), que representan respectivamente la clasificación interna, las coordenadas centrales del cuadro de etiqueta y el ancho y largo relativos del cuadro de etiqueta.
2. Pasos de uso
1. Importar la biblioteca
import xml.etree.ElementTree as ET
import os
2. Configure la dirección del archivo y la información de la imagen.
# Yolo格式文件所在目录
yolo_dir = "E:/cv_code/image_processing/aug_datasets/label/"
# XML文件保存目录
xml_dir = "E:/cv_code/image_processing/aug_datasets/Annotations/"
# 图像尺寸
img_width, img_height = 1062, 974
# 类别数字标签和名称的映射
class_map = {"pikaqiu": 0}3. Recorrer y analizar archivos YOLO
# 遍历Yolo格式文件夹中的所有文件
for yolo_file in os.listdir(yolo_dir):
if not yolo_file.endswith(".txt"):
continue
# 解析Yolo格式文件
with open(os.path.join(yolo_dir, yolo_file), "r") as f:
lines = f.readlines()
# 获取图像名称
img_file = os.path.splitext(yolo_file)[0] + ".jpg"4. Cree un archivo XML y escriba información.
# 创建XML文件
#创建根节点
root = ET.Element("annotation")
#创建子节点
filename = ET.SubElement(root, "filename")
#添加文本
filename.text = img_file
size = ET.SubElement(root, "size")
width = ET.SubElement(size, "width")
width.text = str(img_width)
height = ET.SubElement(size, "height")
height.text = str(img_height)
depth = ET.SubElement(size, "depth")
depth.text = "3"
# 遍历所有目标
for line in lines:
parts = line.strip().split()
if len(parts) < 5:
continue
cls_id = int(parts[0])
if cls_id in class_map:
continue
for k, v in class_map.items():
cls_name = None
if v == cls_id:
cls_name = k
break
# cls_name = class_map[cls_id]
x = float(parts[1])
y = float(parts[2])
w = float(parts[3])
h = float(parts[4])
# 计算边界框坐标
xmin = int((x - w / 2) * img_width)
ymin = int((y - h / 2) * img_height)
xmax = int((x + w / 2) * img_width)
ymax = int((y + h / 2) * img_height)
# 将信息写入XML文件
obj = ET.SubElement(root, "object")
name = ET.SubElement(obj, "name")
name.text = cls_name
bndbox = ET.SubElement(obj, "bndbox")
xmin_node = ET.SubElement(bndbox, "xmin")
xmin_node.text = str(xmin)
ymin_node = ET.SubElement(bndbox, "ymin")
ymin_node.text = str(ymin)
xmax_node = ET.SubElement(bndbox, "xmax")
xmax_node.text = str(xmax)
ymax_node = ET.SubElement(bndbox, "ymax")
ymax_node.text = str(ymax)
#将树写入文件
tree = ET.ElementTree(root)
tree.write(xml_dir + os.path.splitext(yolo_file)[0] + ".xml")5.Código total
import os
import xml.etree.ElementTree as ET
# Yolo格式文件所在目录
yolo_dir = "E:/cv_code/image_processing/aug_datasets/label/"
# XML文件保存目录
xml_dir = "E:/cv_code/image_processing/aug_datasets/Annotations/"
# 图像尺寸
img_width, img_height = 1062, 974
# 类别数字标签和名称的映射
class_map = {"pikaqiu": 0}
# 遍历Yolo格式文件夹中的所有文件
for yolo_file in os.listdir(yolo_dir):
if not yolo_file.endswith(".txt"):
continue
# 解析Yolo格式文件
with open(os.path.join(yolo_dir, yolo_file), "r") as f:
lines = f.readlines()
# 获取图像文件名
img_file = os.path.splitext(yolo_file)[0] + ".jpg"
# 创建XML文件
#创建根节点
root = ET.Element("annotation")
#创建子节点
filename = ET.SubElement(root, "filename")
#添加文本
filename.text = img_file
size = ET.SubElement(root, "size")
width = ET.SubElement(size, "width")
width.text = str(img_width)
height = ET.SubElement(size, "height")
height.text = str(img_height)
depth = ET.SubElement(size, "depth")
depth.text = "3"
# 遍历所有目标
for line in lines:
parts = line.strip().split()
if len(parts) < 5:
continue
cls_id = int(parts[0])
if cls_id in class_map:
continue
for k, v in class_map.items():
cls_name = None
if v == cls_id:
cls_name = k
break
x = float(parts[1])
y = float(parts[2])
w = float(parts[3])
h = float(parts[4])
# 计算边界框坐标
xmin = int((x - w / 2) * img_width)
ymin = int((y - h / 2) * img_height)
xmax = int((x + w / 2) * img_width)
ymax = int((y + h / 2) * img_height)
# 将信息写入XML文件
obj = ET.SubElement(root, "object")
name = ET.SubElement(obj, "name")
name.text = cls_name
bndbox = ET.SubElement(obj, "bndbox")
xmin_node = ET.SubElement(bndbox, "xmin")
xmin_node.text = str(xmin)
ymin_node = ET.SubElement(bndbox, "ymin")
ymin_node.text = str(ymin)
xmax_node = ET.SubElement(bndbox, "xmax")
xmax_node.text = str(xmax)
ymax_node = ET.SubElement(bndbox, "ymax")
ymax_node.text = str(ymax)
#将数据写入文件
tree = ET.ElementTree(root)
tree.write(xml_dir + os.path.splitext(yolo_file)[0] + ".xml")