.txt(yolo)和.xml(VOC)数据集标签格式互相转换

前言:博主在处理目标检测数据集时,经常需要将标签进行不同格式的转换,因此整理了以下代码,以供参考和保存。

一、实现将txt格式转换成xml格式:

# 将txt格式转换成xml格式数据集
from xml.dom.minidom import Document
import os
import cv2


def makexml(picPath, txtPath, xmlPath):  # txt所在文件夹路径,xml文件保存路径,图片所在文件夹路径
    """此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件
    在自己的标注图片文件夹下建三个子文件夹,分别命名为picture、txt、xml
    """
    #创建字典用来对类型进行转换,要与classes.txt文件中的类对应,且顺序要一致
    dic = {'0': "person", '1': "car", '2': "bike", '3': "color_cone",
           '4': "car_stop", '5': "bump", '6': "hole", '7': "animal"}
    files = os.listdir(txtPath)
    for i, name in enumerate(files):
        xmlBuilder = Document()
        annotation = xmlBuilder.createElement("annotation")  # 创建annotation标签
        xmlBuilder.appendChild(annotation)
        txtFile = open(txtPath + name)
        txtList = txtFile.readlines()
        img = cv2.imread(picPath + name[0:-4] + ".png")      # 注意这里的图片后缀,.jpg/.png
        Pheight, Pwidth, Pdepth = img.shape

        folder = xmlBuilder.createElement("folder")  # folder标签
        foldercontent = xmlBuilder.createTextNode("datasetRGB")
        folder.appendChild(foldercontent)
        annotation.appendChild(folder) 

        filename = xmlBuilder.createElement("filename")  # filename标签
        filenamecontent = xmlBuilder.createTextNode(name[0:-4] + ".png")
        filename.appendChild(filenamecontent)
        annotation.appendChild(filename) 

        size = xmlBuilder.createElement("size")  # size标签
        width = xmlBuilder.createElement("width")  # size子标签width
        widthcontent = xmlBuilder.createTextNode(str(Pwidth))
        width.appendChild(widthcontent)
        size.appendChild(width) 

        height = xmlBuilder.createElement("height")  # size子标签height
        heightcontent = xmlBuilder.createTextNode(str(Pheight))
        height.appendChild(heightcontent)
        size.appendChild(height) 

        depth = xmlBuilder.createElement("depth")  # size子标签depth
        depthcontent = xmlBuilder.createTextNode(str(Pdepth))
        depth.appendChild(depthcontent)
        size.appendChild(depth) 

        annotation.appendChild(size) 

        for j in txtList:
            oneline = j.strip().split(" ")
            object = xmlBuilder.createElement("object")  # object 标签
            picname = xmlBuilder.createElement("name")  # name标签
            namecontent = xmlBuilder.createTextNode(dic[oneline[0]])
            picname.appendChild(namecontent)
            object.appendChild(picname) 

            pose = xmlBuilder.createElement("pose")  # pose标签
            posecontent = xmlBuilder.createTextNode("Unspecified")
            pose.appendChild(posecontent)
            object.appendChild(pose) 

            truncated = xmlBuilder.createElement("truncated")  # truncated标签
            truncatedContent = xmlBuilder.createTextNode("0")
            truncated.appendChild(truncatedContent)
            object.appendChild(truncated) 

            difficult = xmlBuilder.createElement("difficult")  # difficult标签
            difficultcontent = xmlBuilder.createTextNode("0")
            difficult.appendChild(difficultcontent)
            object.appendChild(difficult) 

            bndbox = xmlBuilder.createElement("bndbox")  # bndbox标签
            xmin = xmlBuilder.createElement("xmin")  # xmin标签
            mathData = int(((float(oneline[1])) * Pwidth + 1) - (float(oneline[3])) * 0.5 * Pwidth)
            xminContent = xmlBuilder.createTextNode(str(mathData))
            xmin.appendChild(xminContent)
            bndbox.appendChild(xmin) 

            ymin = xmlBuilder.createElement("ymin")  # ymin标签
            mathData = int(((float(oneline[2])) * Pheight + 1) - (float(oneline[4])) * 0.5 * Pheight)
            yminContent = xmlBuilder.createTextNode(str(mathData))
            ymin.appendChild(yminContent)
            bndbox.appendChild(ymin) 

            xmax = xmlBuilder.createElement("xmax")  # xmax标签
            mathData = int(((float(oneline[1])) * Pwidth + 1) + (float(oneline[3])) * 0.5 * Pwidth)
            xmaxContent = xmlBuilder.createTextNode(str(mathData))
            xmax.appendChild(xmaxContent)
            bndbox.appendChild(xmax) 

            ymax = xmlBuilder.createElement("ymax")  # ymax标签
            mathData = int(((float(oneline[2])) * Pheight + 1) + (float(oneline[4])) * 0.5 * Pheight)
            ymaxContent = xmlBuilder.createTextNode(str(mathData))
            ymax.appendChild(ymaxContent)
            bndbox.appendChild(ymax)  

            object.appendChild(bndbox)  # bndbox标签结束

            annotation.appendChild(object) 

        f = open(xmlPath + name[0:-4] + ".xml", 'w')
        xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')
        f.close()


if __name__ == "__main__":
    picPath = "C:\\data\\ir_det_dataset\\Images\\fir\\"  # 图片所在文件夹路径,后面的\\一定要带上
    txtPath = "C:\\data\\ir_det_dataset\\labels\\fir\\"  # txt所在文件夹路径,后面的\\一定要带上
    xmlPath = "C:\\data\\ir_det_dataset\\xml\\fir\\"  # xml文件保存路径,后面的\\一定要带上
    makexml(picPath, txtPath, xmlPath)

转换之后第一行可能会出现<?xml version="1.0" encoding="utf-8"?>,这行代码声明所用的xml版本是1.0,用xml传输数据时的字符编码是utf-8,如果想去除第一行可以采用以下代码:

import os
def file_name(input_dir,output_dir,spile):
         for root, dirs, files in os.walk(input_dir):
             for item in files:
                f = open(input_dir+item, "r", encoding='UTF-8')
                content = f.read()
                content = content.replace('<?xml version="1.0" encoding="utf-8"?>', spile)
                with open(os.path.join(output_dir, item), 'w',encoding='UTF-8') as fval:
                         fval.write(content)
                f.close()
if __name__ == '__main__':
    input_dir = "C:\\data\\ir_det_dataset\\xml\\fir\\"         #旧文件夹
    output_dir = "C:\\data\\ir_det_dataset\\xml\\fir\\xml\\"   #新文件夹
    file_name(input_dir, output_dir, "")

二、实现将txt格式转换成xml格式:

import xml.etree.ElementTree as ET
import os

classes = ["person", "car", "bike", "color_cone", "car_stop", "bump", "hole", "animal"]  

# 和自己classes.txt中的类别要一一对应


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id):

    in_file = open("C:\\data\\ir_det_dataset\\Images\\fir\\xml\\%s.xml" % (image_id), encoding='UTF-8')
    # in_file输入要转换的文件路径

    out_file = open("C:\\data\\ir_det_dataset\\Images\\fir\\txt\\%s.txt" % (image_id), 'w') 
    # out_file输出转换后的文件路径

    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        cls = obj.find('name').text
        # print(cls)
        if cls not in classes:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))
xml_path = os.path.join(CURRENT_DIR, "C:\\data\\ir_det_dataset\\Images\\fir\\xml\\")
# xml文件路径

# xml list
img_xmls = os.listdir(xml_path)
for img_xml in img_xmls:
    label_name = img_xml.split('.')[0]
    print(label_name)
    convert_annotation(label_name)

以上代码同时参考了其他博主,第一次发帖如有侵权请联系删除~

  • 9
    点赞
  • 70
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 将labelimg标注的voc格式标签xml文件转换yolo格式标签txt文件,需要进行以下步骤: 1. 读取xml文件中的标注信息,包括目标类别、位置坐标等。 2. 根据yolo格式的要求,将目标位置坐标转换为相对于图像宽度和高度的比例。 3. 将目标类别转换为对应的数字标签,例如将“猫”转换为“”、“狗”转换为“1”。 4. 将转换后的标注信息按照yolo格式的要求,写入txt文件中。 将yolo格式标签txt文件转换为labelimg标注的voc格式标签xml文件,需要进行以下步骤: 1. 读取txt文件中的标注信息,包括目标类别、位置坐标等。 2. 根据voc格式的要求,将目标位置坐标转换为左上角和右下角的坐标值。 3. 将目标类别转换为对应的文字标签,例如将“”转换为“猫”、“1”转换为“狗”。 4. 将转换后的标注信息按照voc格式的要求,写入xml文件中。 以上是将labelimg标注的voc格式标签xml文件和yolo格式标签txt文件相互转换的基本步骤,具体实现可以参考相关的代码库和工具。 ### 回答2: LabelImg是一种用于图像标注的常用工具,支持输出多种格式的标注文件,其中包括voc格式标签xml文件和yolo格式标签txt文件。这些标签文件可以用于计算机视觉应用程序的训练和测试,因此在进行目标检测和物体识别时非常重要。 在实际应用中,可能需要将标签文件从一种格式转换为另一种格式。下面将介绍如何将LabelImg标注的voc格式标签xml文件和yolo格式标签txt文件相互转换: 1. 将voc格式标签文件转换yolo格式标签文件 将voc格式标签文件转换yolo格式标签文件需要执行以下步骤: (1)将标签文件的路径保存到txt文件中。在标签xml文件的所在目录下创建一个txt文件并将标签文件的路径写入文件中。 (2)通过脚本来转换标签文件。执行以下命令来转换标签文件: python voc_label.py ./data/train/labelTxt/ ./data/train/Annotations/ ./data/train/ 在这里,“voc_label.py”是一个Python脚本名,将第一个参数设置为LabelImg生成的xml文件所在的目录,将第二个参数设置为标签文件所在的目录,将第三个参数设置为生成的yolo格式标签文件的输出目录。执行成功后,将在输出目录中生成与输入目录中的xml文件对应的yolo格式标签文件。 2. 将yolo格式标签文件转换voc格式标签文件 将yolo格式标签文件转换voc格式标签文件需要执行以下步骤: (1)创建一个xml文件并编写模板。在标签文件所在的目录下,创建一个xml文件并编写一个基本模板。在该模板中,应将标签文件的基本信息包括图像名称、标注区域的坐标、类别等一一列举出来。 (2)通过脚本来转换标签文件。执行以下命令来转换标签文件: python yolo_label.py train.txt 在这里,“train.txt”是一个包含所有标签路径的txt文件。执行成功后,将在标签文件所在目录中生成与输入目录中的yolo格式标签文件对应的voc格式标签文件。 总之,无论是将voc格式标签文件转换yolo格式标签文件,还是将yolo格式标签文件转换voc格式标签文件,都可以通过执行特定的脚本来完成。这些脚本可以轻松地将标签文件从一种格式转换为另一种格式,这对于计算机视觉应用程序的训练和测试来说是非常有用的。 ### 回答3: LabelImg是一款常用的图像标注软件,VOC格式标签文件是其默认输出格式之一。而YOLO则是另一种常见的目标检测算法,其标注格式txt文件。在实际使用中,我们有时需要将LabelImg标注生成的VOC格式xml文件转换YOLO格式txt文件,或者反过来。下面我们将介绍如何进行这一转换。 1. VOC格式xml文件转换YOLO格式txt文件 首先,我们需要明确VOC标签文件中的类别名称和类别编号。以VOC格式xml标签文件为例,打开其中一个文件,我们可以看到类别名称通常被定义为类别列表中的一个节点。而类别编号则是在每个object节点中定义的。可以参考下面的片段: ``` <annotation> <folder>images</folder> <filename>image1.jpg</filename> <source> ... </source> <size> <width>1280</width> <height>720</height> <depth>3</depth> </size> <segmented>0</segmented> <object> <name>cat</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>438</xmin> <ymin>88</ymin> <xmax>821</xmax> <ymax>510</ymax> </bndbox> </object> ... </annotation> ``` 观察上面片段中的`<name>`标签,我们可以发现该标注文件的类别名称为"cat"。而在`<object>`节点中,出现了一个`<bndbox>`节点,其中包含了四个属性值,分别表示该目标的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)。这些坐标值的单位都是像素。 有了这些信息之后,我们就可以将VOC格式xml文件转换YOLO格式txt文件了。具体步骤如下: 1)读取VOC格式xml文件,并提取出目标的类别、左上角坐标、右下角坐标等信息。 2)按照YOLO格式要求,将坐标值归一化到[0, 1]的范围内,并计算出中心点坐标和目标宽高。 3)将归一化后的坐标值和类别编号写入txt文件。每行文件格式如下: ``` <class_id> <x> <y> <width> <height> ``` 其中class_id为类别编号,x和y是目标中心点坐标的归一化值,width和height是目标宽高的归一化值。 下面是实现该转换过程的Python代码示例: ```python import os import xml.etree.ElementTree as ET def convert_voc_to_yolo(voc_file, classes, out_file): """ Convert a VOC format label file to YOLO format. voc_file: path to the VOC format xml file. classes: a dictionary mapping class names to class indices. out_file: path to save the converted YOLO format txt file. """ tree = ET.parse(voc_file) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) with open(out_file, 'w') as f: for obj in root.iter('object'): cls_name = obj.find('name').text if cls_name not in classes: continue cls_id = classes[cls_name] 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) x = (xmin + xmax) / 2 / w y = (ymin + ymax) / 2 / h width = (xmax - xmin) / w height = (ymax - ymin) / h f.write(f'{cls_id} {x:.6f} {y:.6f} {width:.6f} {height:.6f}\n') classes = {'cat': 0, 'dog': 1, ...} voc_file = 'path/to/voc.xml' out_file = 'path/to/yolo.txt' convert_voc_to_yolo(voc_file, classes, out_file) ``` 2. YOLO格式txt文件转换VOC格式xml文件 与上面的过程相反,我们同样需要先把类别名称和类别编号对应起来。由于YOLOtxt标注文件中只保存了图片中的目标的位置及其类别信息,所以在进行转换时需要额外对目标进行分类。 具体步骤如下: 1)读入YOLO格式txt文件,提取出其中的目标位置信息以及类别编号。 2)将坐标值从归一化范围转换为像素范围。 3)按照VOC格式的要求,将目标的类别、左上角坐标、右下角坐标等信息写入xml文件。 下面是代码示例: ```python import os import xml.etree.cElementTree as ET def convert_yolo_to_voc(yolo_file, classes, img_file, out_dir): """ Convert a YOLO format label file to VOC format yolo_file: path to the YOLO format txt file. classes: a dictionary mapping class names to class indices. img_file: path to the image file. out_dir: the output directory to save the VOC format xml file. """ root = ET.Element('annotation') folder = ET.SubElement(root, 'folder') folder.text = os.path.basename(os.path.dirname(img_file)) filename = ET.SubElement(root, 'filename') filename.text = os.path.basename(img_file) source = ET.SubElement(root, 'source') database = ET.SubElement(source, 'database') database.text = 'Unknown' size = ET.SubElement(root, 'size') img_w, img_h, img_c = cv2.imread(img_file).shape width = ET.SubElement(size, 'width') width.text = str(img_w) height = ET.SubElement(size, 'height') height.text = str(img_h) depth = ET.SubElement(size, 'depth') depth.text = str(img_c) segmented = ET.SubElement(root, 'segmented') segmented.text = '0' with open(yolo_file, 'r') as f: for line in f.readlines(): parts = line.strip().split() cls_id = int(parts[0]) if cls_id not in classes: continue cls_name = classes[cls_id] x, y, width_norm, height_norm = map(float, parts[1:]) x1 = int((x - width_norm/2) * img_w) y1 = int((y - height_norm/2) * img_h) x2 = int(x1 + width_norm * img_w) y2 = int(y1 + height_norm * img_h) object_ = ET.SubElement(root, 'object') name = ET.SubElement(object_, 'name') name.text = cls_name pose = ET.SubElement(object_, 'pose') pose.text = 'Unspecified' truncated = ET.SubElement(object_, 'truncated') truncated.text = '0' difficult = ET.SubElement(object_, 'difficult') difficult.text = '0' bndbox = ET.SubElement(object_, 'bndbox') xmin = ET.SubElement(bndbox, 'xmin') xmin.text = str(x1) ymin = ET.SubElement(bndbox, 'ymin') ymin.text = str(y1) xmax = ET.SubElement(bndbox, 'xmax') xmax.text = str(x2) ymax = ET.SubElement(bndbox, 'ymax') ymax.text = str(y2) out_xml_file = os.path.join(out_dir, os.path.splitext(os.path.basename(yolo_file))[0] + '.xml') tree = ET.ElementTree(root) tree.write(out_xml_file) classes = {0: 'cat', 1: 'dog', ...} yolo_file = 'path/to/yolo.txt' img_file = 'path/to/image.jpg' out_dir = 'path/to/output' convert_yolo_to_voc(yolo_file, classes, img_file, out_dir) ``` 总之,在目标检测任务中,标注数据的格式转换是一个常见的问题。掌握对不同格式数据的相互转换,有利于提高我们的工作效率,也能为实现更加复杂和灵活的目标检测任务提供便利。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值