txt转xml(非yolov5标准格式)

前几天在做一个关于防护背心头盔安全帽检测数据集格式转化，数据集标签格式如下，分为训练集，测试集，验证集：

 以测试集为例，打开测试集，格式如下：

数据集格式不是标准的 yolov5格式，测试集所有图像的标签都放在一个txt里面，第一个是图像名称，而且坐标是（xmin,ymin,xmax,ymax）,即左上角和右下角坐标，最后一个是类别。

为了将数据集格式转换成yolov5类似的格式，即每张图像对应一个txt文件，并将所有的txt放在同一个labels目录下（train,test,valid合并到labels文件夹下），代码如下：

import os
# 1个txt转多个txt
label_num = os.listdir('Labels/Labels')
# i表示从train,test,valid等3个txt文件中取
for i in label_num:
    f = open('Labels/Labels/'+i,'r')
    data = f.readlines()
    for j in data:
        # 按' '分割txt的一行的内容，txt里面空格是中文的
        line_data = j.strip().split("	")
        img_path = line_data[0].replace('.jpg','.txt')
        with open('Labels/'+img_path,"w") as file:
            file.write(j)
    f.close()

处理后labels文件夹里的结果如下：

以第一张为例，image_from_china(1).txt里的结构：

 然后对每个txt转换成xml格式：

# txt转换到xml
# ! /usr/bin/python
# -*- coding:UTF-8 -*-
import os
import cv2

def txt_to_xml(txt_path, img_path, xml_path):
    # 字典对标签中的类别进行转换
    dict = {'0': "hat",
            '1': "vest",
            '2': "person"

            }
    # 找到txt标签文件夹
    files = os.listdir(txt_path)
    # 遍历文件夹
    for i, name in enumerate(files):
        # 许多人文件夹里有该文件，默认的也删不掉，那就直接pass
        if name == "desktop.ini":
            continue
        
        # 打开txt
        txtFile = open(txt_path + name,'r')
        # 读取所有内容
        txtList = txtFile.readlines()
        # 读取图片名称
        img_name = name.split(".")[0]
        pic = cv2.imread(img_path + img_name + ".jpg")
        # 获取图像大小信息
        Pheight, Pwidth, Pdepth = pic.shape
        # 5.遍历txt文件中每行内容
        for row in txtList:
            # 按' '分割txt的一行的内容，我这里的是中文的空格
            oneline = row.strip().split("	")
            # 6.新建xml文件
            xml_file = open((xml_path + img_name + '.xml'), 'w')
            xml_file.write('<annotation>\n')
            xml_file.write('            <folder>VOC2007</folder>\n')
            xml_file.write('            <filename>' + img_name + '.jpg' + '</filename>\n')
            xml_file.write('            <source>\n')
            xml_file.write('                    <database>orgaquant</database>\n')
            xml_file.write('                    <annotation>organoids</annotation>\n')
            xml_file.write('            </source>\n')
            xml_file.write('            <size>\n')
            xml_file.write('                    <width>' + str(Pwidth) + '</width>\n')
            xml_file.write('                    <height>' + str(Pheight) + '</height>\n')
            xml_file.write('                    <depth>' + str(Pdepth) + '</depth>\n')
            xml_file.write('            </size>\n')
            xml_file.write('            <segmented>0</segmented>\n')
            for data_line in oneline[1:]:
                data = data_line.split(',')
                xml_file.write('            <object>\n')
                xml_file.write('                    <name>' + dict[data[4]] + '</name>\n')
                xml_file.write('                    <pose>Unspecified</pose>\n')
                xml_file.write('                    <truncated>0</truncated>\n')
                xml_file.write('                    <difficult>0</difficult>\n')
                xml_file.write('                    <bndbox>\n')
                xml_file.write('                            <xmin>' + str(
                    int(float(data[0]))) + '</xmin>\n')
                xml_file.write('                            <ymin>' + str(
                    int(float(data[1]))) + '</ymin>\n')
                xml_file.write('                            <xmax>' + str(
                    int(float(data[2]))) + '</xmax>\n')
                xml_file.write('                            <ymax>' + str(
                    int(float(data[3]))) + '</ymax>\n')
                xml_file.write('                    </bndbox>\n')
                xml_file.write('            </object>\n')
            xml_file.write('</annotation>')
            xml_file.close()

    print("Done !")


# 修改成自己的文件夹 注意文件夹最后要加上/
txt_to_xml("Labels/","Images/Images/","XML/")

以上就完成了到xml格式的转化。

最后说明一下，我这里的转换的txt格式也不是yolov5的标准格式。yolov5的格式如下：

每行第1元素代表类别，第2，3表示目标框的中心位置，第4，5表示目标框的大小。而且都是归一化后的结果。归一化除以的是图像的w,h。