将RSOD的txtlabel数据转换为适合yolov5的txt数据

        今天想用武大的RSOD数据集来做小目标检测，发现数据集中的txt文件夹内容是图片路径+图片类别+坐标信息的格式，和yolov标准版的类别索引+坐标的格式有所区别，于是自己进行了转换，现在把代码贴出来。

        首先需要将图片和旧的txt标签数据存放于两个独立的文件夹。如下所示：

        然后直接使用我下面的代码：

from PIL import Image
import os

# 旧标签的路径
old_label_path = r'D:\datasets\small-object-detection-datasets\武汉大学RSOD数据集\RSOD\old_label\\'
# 旧的图片数据集的路径
f_path = r'D:\datasets\small-object-detection-datasets\武汉大学RSOD数据集\RSOD\JPEGImages'
# 将要存储的labels的路径
new_file_path = r'D:\datasets\small-object-detection-datasets\武汉大学RSOD数据集\RSOD\\label\\'

# 目标类别以及对应的编号
class_to_index = {'aircraft': 0, 'oiltank': 1, 'overpass': 2, 'playground': 3}

# 获取old_label_path下所有txt文件的文件名列表
txt_files = [file for file in os.listdir(old_label_path) if file.endswith(".txt")]

new_data = [0,0.00,0.00,0.00,0.00]
# 遍历每个txt文件
for txt_file in txt_files:
    # 构建txt文件的完整路径
    old_label_file_path = os.path.join(old_label_path, txt_file)

    i = 0
    with open(old_label_file_path, 'r') as file:
        for line in file:
            # 使用空格分割每一行的数据
            data = line.split()

            # 其中有些步骤只需要执行一次，如创建新的txt文件夹，和读取图片的路径等等
            if i == 0:
                # 将.jpg的后缀更换为txt
                new_string = data[0].replace(".jpg", ".txt")
                new_file_path_concat = os.path.join(new_file_path, new_string)
            i += 1

            # 检查是否有足够的数据
            if len(data) >= 1:
                # 将图片路径进行赋值
                img_path = os.path.join(f_path, data[0])
                # 读取图片的长宽
                with Image.open(img_path) as img:
                    # 获取图片的长宽尺寸
                    width, height = img.size
                    print('图片的长为：', height, "  ，宽为", width)

                # 获取第二个数据（类别）
                category = data[1]
                # 判断类别是否在映射关系字典中
                if category in class_to_index:
                    # 获取类别对应的索引
                    index = class_to_index[category]

                new_data[0] = index
                new_data[1] = int(data[2]) / width
                new_data[3] = int(data[4]) / width
                new_data[2] = int(data[3]) / height
                new_data[4] = int(data[5]) / height

                print(data[0])
                print(new_data)

            else:
                print("该行数据不完整")

            # 将new_data写入新的txt文件
            with open(new_file_path_concat, 'a') as new_file:
                for item in new_data:
                    new_file.write(str(item) + ' ')
                new_file.write('\n')

    print(f"处理完成: {txt_file}")

        通过以上的操作之后就可以直接进行转换了，其实过程还是很简单的，可以尝试看一下转换过程，自己怕以后代码找不到了所以就发出来也方便各位需要的伙伴。

        转换之后的结果如下，可以看出是符合yolo标准格式的索引，加坐标的范围的形式：       非常抱歉，之前忽略了yolo格式的标签是中心坐标加上矩形框的宽高信息，以下是修改文件直接在目前的基础上进行修改。
 

import os

def convert_coordinates(input_folder, output_folder):
    # 确保输出文件夹存在
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 获取输入文件夹中的所有txt文件
    txt_files = [file for file in os.listdir(input_folder) if file.endswith(".txt")]

    # 遍历每个txt文件
    for txt_file in txt_files:
        input_path = os.path.join(input_folder, txt_file)
        output_path = os.path.join(output_folder, txt_file)

        # 处理每个txt文件
        with open(input_path, 'r') as infile, open(output_path, 'w') as outfile:
            # 逐行读取并处理数据
            for line in infile:
                # 将每一行的数据拆分为列表
                data = line.strip().split()

                if len(data) == 5:
                    # 提取类别标签和矩形框坐标
                    category = int(data[0])
                    x1, y1, x2, y2 = map(float, data[1:5])

                    # 计算矩形中心坐标和宽高
                    cx = (x1 + x2) / 2
                    cy = (y1 + y2) / 2
                    width = x2 - x1
                    height = y2 - y1

                    # 将转换后的数据写入新文件
                    outfile.write(f"{category} {cx} {cy} {width} {height}\n")
                else:
                    print(f"Ignoring invalid data in {txt_file}: {line.strip()}")

if __name__ == "__main__":
    # 指定输入文件夹和输出文件夹路径
    #todo：这个路径是左上右下的标签路径
    input_folder = 'D:\datasets\small-object-detection-datasets/NWPU VHR-10 dataset\左上右下labels'
    #todo：这个路径是中心+宽高的标签路径
    output_folder = 'D:\datasets\small-object-detection-datasets/NWPU VHR-10 dataset\labels'

    # 执行坐标转换
    convert_coordinates(input_folder, output_folder)

         至此，才完成全部的文件转换。