机器视觉笔记1——XML标记语言生成与读取

        XML（Extensible Markup Language，可扩展标记语言）是一种用于存储和传输数据的标记语言。它与HTML类似，但更加通用和灵活，可用于描述各种类型的数据结构。XML通过使用标签（tag）来表示数据的结构和含义，并使用属性（attribute）来提供关于数据的额外信息。

        在计算机视觉领域通常用来存储的图像的标准信息，在PASCAL VOC格式的XML文件包括图像基本信息、对象类别、位置和属性等。在VOC2007中000001.xml信息如下：

其中包括图像各类标签：<source>包括图像的来源信息（数据库名称、注释类型及图像来源类型标识），<owner>所有者信息，<size>图片的尺寸信息，<object>图像的物体信息，也就是VOC2007的类以及<bndbox>类的边界框坐标信息。

        如果要读取'000001.jpg'图片的‘000001.xml’文件，并显示图像和边界框。

from PIL import Image
import matplotlib.pyplot as plt

# 读取图像
image_path = '000001.jpg'
image = Image.open(image_path)

# 绘制图像
plt.imshow(image)
# plt.axis('off')  # 关闭坐标轴

# 绘制边界框
# 这里假设边界框的坐标已经在XML文件中提供了
xmin, ymin, xmax, ymax = 48, 240, 195, 371
width = xmax - xmin
height = ymax - ymin
rect = plt.Rectangle((xmin, ymin), width, height, edgecolor='r', facecolor='none')
plt.gca().add_patch(rect)

xmin, ymin, xmax, ymax = 8, 12, 352, 498
width = xmax - xmin
height = ymax - ymin
rect = plt.Rectangle((xmin, ymin), width, height, edgecolor='b', facecolor='none')
plt.gca().add_patch(rect)

# 显示图像和边界框
plt.show()

显示如下

图中bound出两个类别：dog和person，并且分别显示边界框。

如果在图像中显示类别和边界框信息，对代码进行适当修改。

import xml.etree.ElementTree as ET
from PIL import Image
import matplotlib.pyplot as plt
import matplotlib.patches as patches

# 解析XML文件
xml_file = '000001.xml'
tree = ET.parse(xml_file)
root = tree.getroot()

# 获取图像文件名
filename = root.find('filename').text

# 获取图像尺寸
size = root.find('size')
width = int(size.find('width').text)
height = int(size.find('height').text)

# 读取图像
image_path = filename
image = Image.open(image_path)

# 绘制图像
plt.imshow(image)
plt.axis('off')  # 关闭坐标轴

# 获取并绘制边界框
for obj in root.findall('object'):
    # 获取类别和边界框信息
    obj_name = obj.find('name').text
    bbox = obj.find('bndbox')
    xmin = int(bbox.find('xmin').text)
    ymin = int(bbox.find('ymin').text)
    xmax = int(bbox.find('xmax').text)
    ymax = int(bbox.find('ymax').text)
    width = xmax - xmin
    height = ymax - ymin
    
    # 绘制边界框
    rect = patches.Rectangle((xmin, ymin), width, height, linewidth=1, edgecolor='r', facecolor='none')
    plt.gca().add_patch(rect)
    plt.text(xmin, ymin - 5, obj_name, color='r', fontsize=8, ha='left', va='top')

# 显示图像和边界框
plt.show()

显示如下

若是想生成自己的xml文件，可以选择Labellmg、LabelMe、CVAT等工具。

标定后保存便能够生成自己的xml文件存储图像的相关信息。