(深度学习)简单的图片和xml数据清洗脚本
分享一个自己目前在用的操作比较简单的数据清洗脚本,主要功能包括:
1.显示命名不规划的xml文件(可设置自己定义的命名规范格式)
2.缺失xml文件显示
3.缺失图像显示
4.删除没有对应xml的图片(小心误删)
5.删除没有对应图片的xml文件(小心误删)
6.找出并删除内容为空的xml文件
7.改写label出错的xml文件
脚本代码:
import os
import easygui as g
import xml.etree.ElementTree as ET
from tqdm import tqdm
def parse_obj(xml_path, filename):
tree = ET.parse(xml_path + filename)
objects = []
for obj in tree.findall('object'):
obj_struct = {}
obj_struct['name'] = obj.find('name').text
objects.append(obj_struct)
return objects
image_path = g.diropenbox(title="请选择图像文件夹路径", default=r"/home/xiaopeng/dataset/") # 将default按照自己数据的位置设置,可以减轻繁琐操作
print(image_path)
xml_path = g.diropenbox(title="请选择xml文件夹路径", default=r"/home/xiaopeng/dataset/")
print(xml_path)
image_lst = os.listdir(image_path)
xml_lst = os.listdir(xml_path)
print("image list:", len(image_lst))
print("xml list:", len(xml_lst))
print("————————功能1:显示命名不规划的xml文件———————————————————")
err_xml = []
# 显示命名不规划的xml文件
for xml in xml_lst:
if len(xml) != 12: # 自己定义自己的命名规范格式
# print(xml)
err_xml.append(xml)
if len(err_xml) == 0:
print("无不规范命名的xml文件")
print("————————功能2:缺失xml文件显示——————————————————————————")
# 缺失xml文件显示
missing_xml = []
for image in tqdm(image_lst):
xml = image[:-4] + '.xml'
if xml not in xml_lst:
missing_xml.append(xml[:-4])
print("缺失xml文件数:", len(missing_xml))
print("缺失xml文件为:", missing_xml)
print("————————功能3:缺失图像显示—————————————————————————————")
# 缺失图像显示(或者说多余的xml)
missing_image = []
for xml in tqdm(xml_lst):
image = xml[:-4] + '.jpg'
if image not in image_lst:
missing_image.append(xml[:-4])
print("缺失image文件数:", len(missing_image))
print("缺失image文件为:", missing_image)
# print("————————功能4:删除没有对应xml的图片—————————————————————")
# drop_list1 = []
# while len(missing_xml):
# for index1 in missing_xml:
# image = index1 + '.jpg'
# os.remove(image_path + "/" + image)
# missing_xml.remove(index1)
# drop_list1.append(index1)
# if len(drop_list1) > 0:
# print("成功删除:", drop_list1)
# else:
# print("无缺失文件")
# print("————————功能5:删除没有对应图片的xml文件——————————————————")
# drop_list2 = []
# while len(missing_image):
# for index2 in missing_image:
# xml = index2 + '.xml'
# os.remove(xml_path + "/" + xml)
# missing_image.remove(index2)
# drop_list2.append(index2)
# if len(drop_list2) > 0:
# print("成功删除:", drop_list2)
# else:
# print("无缺失文件")
print("————————功能6:找出并删除空的xml文件——————————————————")
count = 0 # 保存内容为空的xml的数量
for xml in xml_lst:
objects = parse_obj(xml_path + os.sep, xml)
if len(objects) == 0: # 用于判断xml是否为空
print("{}为空".format(xml))
count += 1
os.remove(xml_path + os.sep + xml) # 把空的xml删除
print("共有{}个空xml".format(count))
# print("————————功能7:改写label出错的xml文件————————————————————")
# def main(path):
# wrong_class_lst1, wrong_class_lst2, w_lst = [], [], []
# for xml_file in glob.glob(path + '*.xml'):
# print(xml_file)
# tree = ET.parse(xml_file)
# root = tree.getroot()
#
# for member in root.findall('object'):
# value = member[0].text
# if value == 'chemical_vehical' or value == 'chemcial_vehicle' or value == 'chemical_vehicel': # 改写错误的标签
# wrong_class_lst1.append(root.find('filename').text)
# member[0].text = 'chemical_vehicle'
# if value == 'chemical_sigh':
# wrong_class_lst2.append(root.find('filename').text) # 改写错误的标签
# member[0].text = 'chemical_sign'
# # if value == 'w':
# # w_lst.append(root.find('filename').text)
# tree.write(xml_file)
# print('wrong_class_list1:', wrong_class_lst1)
# print('wrong_class_list2:', wrong_class_lst1)
# print('w_list:', w_lst)
# main(xml_path + os.sep)
print("完成!")