关于目标检测任务中，YOLO(txt格式)标注文件的可视化

1. 前言

本文是针对yolo标注格式txt文件的可视化脚本介绍 

如果是VOC格式的xml文件，参考：关于目标检测任务中，XML(voc格式)标注文件的可视化

代码比较简单， 50行这样 。。。。

下面是代码的目录结构，1.jpeg 是数据图像，1.txt是对应的相对坐标信息和索引类别

result.png 是保存的绘制好边界框的图像

因为yolo格式的类别是0开始的索引，所以classes文件尤为重要，否则根本不知道数字对应的目标是什么！这里的classes采用普遍的txt文件展示 

Tips： 没有这个classes文件怎么办？

有好几种方法，例如

1. 写个脚本将训练集所有标签文件 （txt文件）的内容读取出来，把第一列目标类别项提取出来，然后去重，看看索引到多少，根据不同的索引看看原图框住是什么，自己新建个txt文件写上去就行了。

• 读取所有的训练集，是因为训练集包含全部的检测类别，要不然网络没法识别没有学习到的内容

2. 或者干脆不要这个了，推理的时候，直接在输出图像上推理数字就行了...

3. 好吧，第二种确实有点丑，事实上大部分的数据都有这个classes文件，不管是json字典格式还是txt格式，要不然网络训练的时候根本没法定义检测的个数。 大部分的数据还是VOC的居多，也就是xml标注的，只需要将xml标注的classes文件拷贝就行了。要是VOC的也没有classes文件，可以参考这个文章生成：目标检测篇：如何根据xml标注文件生成类别classes的json文件

2. 实现代码

大部分和xml可视化脚本差不多，这里只介绍差异的部分

首先，在读取原始图像的时候，需要保留图像的原始size，因为yolo标签是相对坐标，这个有用

然后加载classes文件，这里是列表，看图片中的注释

在然后，同样的方法打开标注txt文件，这里是列表，按照行存储

注意列表的格式，每个元素（字符串）中间是空格隔开的

 

接下来，保存单个txt文件所以的信息

• 上面说了，每个目标存放在列表里，单个目标有五个元素，用空格隔开，所以这里将i用空格切分，赋给相应的五个变量，看蓝色框
• 因为是字符串形式，所以要进行类型转换，这里的类别需要整形，其余的小数，看黄色框
• 最后就是坐标变换了，这个很简单，简单的数学计算罢了，需要注意的是，坐标映射还原后，需要改成整型！看黑色框

最后，ob 里面存放的就是这样的

后面就都一样了，不赘述，直接看效果

完美

3. 完整代码

如下：

import cv2


def txtShow(img,txt,save=True):
    image = cv2.imread(img)
    height,width = image.shape[:2]      # 获取原始图像的高和宽

    # 读取classes类别信息
    with open('./my_yolo_dataset/my_data_label.txt','r') as f:
        classes = f.read().splitlines()
    # ['Leconte', 'Boerner', 'linnaeus', 'armandi', 'coleoptera', 'acuminatus', 'Linnaeus']

    # 读取yolo格式标注的txt信息
    with open(txt,'r') as f:
        labels = f.read().splitlines()
    # ['0 0.403646 0.485491 0.103423 0.110863', '1 0.658482 0.425595 0.09375 0.099702', '2 0.482515 0.603795 0.061756 0.045387', '3 0.594122 0.610863 0.063244 0.052083', '4 0.496652 0.387649 0.064732 0.049107']

    ob = []         # 存放目标信息
    for i in labels:
        cl, x_centre, y_centre, w, h = i.split(' ')

        # 需要将数据类型转换成数字型
        cl, x_centre, y_centre, w, h = int(cl), float(x_centre), float(y_centre), float(w),float(h)
        name = classes[cl]      # 根据classes文件获取真实目标
        xmin = int(x_centre * width - w * width / 2)        # 坐标转换
        ymin = int(y_centre * height - h * height / 2)
        xmax = int(x_centre * width + w * width / 2)
        ymax = int(y_centre * height + h * height / 2)

        tmp = [name, xmin, ymin, xmax, ymax]  # 单个检测框
        ob.append(tmp)

    # 绘制检测框
    for name, x1, y1, x2, y2 in ob:
        cv2.rectangle(image, (x1, y1), (x2, y2), color=(255, 0, 0), thickness=2)  # 绘制矩形框
        cv2.putText(image, name, (x1, y1 - 10), fontFace=cv2.FONT_HERSHEY_SIMPLEX,
                    fontScale=0.5, thickness=1, color=(0, 0, 255))

        # 保存图像
    if save:
        cv2.imwrite('result.png', image)

        # 展示图像
    cv2.imshow('test', image)
    cv2.waitKey()
    cv2.destroyAllWindows()


if __name__=='__main__':
    img_path = './my_yolo_dataset/train/images/1.jpeg'      # 传入图片

    label_path = img_path.replace('images','labels')
    label_path = label_path.replace('.jpeg','.txt')         # 自动获取相应的txt标签文件

    txtShow(img=img_path,txt=label_path,save=True)