YOLO目标检测,将png格式图像转成jpg格式

📌YOLOv8目标检测,将png格式图片转成jpg格式

介绍

  • YOLOv8目标检测模型训练时,png格式图片和jpg格式图片不能混合在一起训练,这可能会影响模型最终训练的精度。
  • 所以使用PIL库将png格式图片转成jpg格式图片。

Python实现

from PIL import Image
import os

"""
将png格式转成jpg格式
"""
def convert_png_to_jpg(png_path, jpg_path):
    try:
        # 打开PNG图片
        image = Image.open(png_path)
        # 转换并保存为JPG格式
        image = image.convert('RGB')
        image.save(jpg_path, 'JPEG')
        print(f"Converted {png_path} to {jpg_path}")
    except Exception as e:
        print(f"Error converting {png_path}: {str(e)}")

def convert_all_png_to_jpg_in_directory(directory):
    for filename in os.listdir(directory):
        if filename.endswith('.png'):
            png_path = os.path.join(directory, filename)
            jpg_path = os.path.join(directory, filename[:-4] + '.jpg')  # 用同名但不同后缀的方式创建JPG文件
            convert_png_to_jpg(png_path, jpg_path)

if __name__ == '__main__':
    # 要转换的PNG图片所在的文件夹路径
    png_directory1 = r'E:\xxx\images\train'
    png_directory2 = r'E:\xxx\images\val'
    
    # 转换所有PNG图片为JPG格式
    convert_all_png_to_jpg_in_directory(png_directory1)
    convert_all_png_to_jpg_in_directory(png_directory2)

    print("转换成功!")

整理不易🚀🚀,关注和收藏后拿走📌📌欢迎留言🧐👋📣✨
快来关注我的公众号🔎AdaCoding 和 GitHub🔎 AdaCoding123
在这里插入图片描述

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以参考下面的代码,它可以帮助你将DOTA数据集转换为yolo格式:import cv2 import numpy as np # 读取DOTA数据集 img = cv2.imread('image.png') # 转换为YOLO格式 h, w, _ = img.shape boxes = [] for label, fname in labels: xmin, ymin, xmax, ymax = fname xmin = xmin / w xmax = xmax / w ymin = ymin / h ymax = ymax / h boxes.append([label, xmin, ymin, xmax, ymax]) # 将数据写入yolo格式文件 with open('labels.txt', 'w') as f: for box in boxes: f.write(' '.join([str(box[0]), str(box[1]), str(box[2]), str(box[3]), str(box[4])])) f.write('\n') ### 回答2: 要将DOTA数据集转换为Yolo格式的Python代码,你需要进行以下步骤: 1. 遍历DOTA数据集中的每个图像,并打开它。 2. 对于每个图像,读取DOTA标注文件,该文件包含了目标的类别和边界框坐标。 3. 将DOTA的坐标格式转换为Yolo的坐标格式。DOTA使用(x_min, y_min, x_max, y_max)的格式,而Yolo使用(x, y, width, height)的格式。你可以使用以下公式进行转换: x = (x_min + x_max) / 2 y = (y_min + y_max) / 2 width = x_max - x_min height = y_max - y_min 4. 将转换后的类别标签和边界框坐标写入Yolo格式的标注文件中,每个对象占据一行。Yolo的标注文件格式为:class_index x y width height。 5. 将转换后的图像保存到Yolo格式图像文件夹中,以相同的文件名命名。 6. 重复以上步骤,直到遍历完整个DOTA数据集。 下面是一个示例代码框架: ```python import os import glob def convert_dota_to_yolo(dota_dataset_path, yolo_dataset_path): # 创建Yolo格式图像文件夹 os.makedirs(yolo_dataset_path, exist_ok=True) # 遍历DOTA数据集中的每个图像 for dota_image in glob.glob(os.path.join(dota_dataset_path, '*.jpg')): # 打开图像 img = ... # 使用适当的图像处理库打开图像 # 读取DOTA标注文件 dota_annotation = ... # 使用适当的方法读取DOTA标注文件 # 创建Yolo格式的标注文件 yolo_annotation = os.path.join(yolo_dataset_path, os.path.basename(dota_image.replace('.jpg', '.txt'))) with open(yolo_annotation, 'w') as f: # 将DOTA标注转换为Yolo格式并写入文件 for annotation in dota_annotation: class_index = ... # 根据类别名称获得类别索引 x = ... y = ... width = ... height = ... annotation_line = f'{class_index} {x} {y} {width} {height}\n' f.write(annotation_line) # 保存Yolo格式图像 yolo_image_path = os.path.join(yolo_dataset_path, os.path.basename(dota_image)) img.save(yolo_image_path) ``` 请注意,上述代码仅为示例框架,你需要根据实际的DOTA数据集和Yolo格式的要求进行适当的调整。 ### 回答3: 将DOTA数据集转换为YOLO格式的python代码可以分为以下几个步骤: 1. 导入必要的库 首先,需要导入一些必要的库,例如`os`、`xml.etree.ElementTree`等。 2. 定义类别和标签字典 在YOLO格式中,需要定义一个类别和标签的字典,其中每个类别对应一个唯一的整数。 3. 解析DOTA数据集 使用`xml.etree.ElementTree`库来解析DOTA数据集的XML文件,获取目标的类别和边界框信息。 4. 转换为YOLO格式 根据YOLO格式的要求,将DOTA数据集的边界框信息转换为YOLO格式的边界框坐标。 5. 保存转换后的数据 按照YOLO格式的要求,将转换后的数据保存为文本文件,每行表示一个目标的类别和边界框坐标。 以下是一个示例的python代码: ```python import os import xml.etree.ElementTree as ET # 定义类别和标签字典 class_dict = {'class1': 0, 'class2': 1, 'class3': 2} def convert_dota_to_yolo(dota_path, yolo_path): for filename in os.listdir(dota_path): if filename.endswith('.xml'): tree = ET.parse(os.path.join(dota_path, filename)) root = tree.getroot() with open(os.path.join(yolo_path, filename.split('.')[0] + '.txt'), 'w') as f: for object in root.findall('object'): class_name = object.find('name').text bbox = object.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) xcenter = (xmin + xmax) / 2 ycenter = (ymin + ymax) / 2 width = xmax - xmin height = ymax - ymin class_id = class_dict[class_name] f.write(f'{class_id} {xcenter} {ycenter} {width} {height}\n') # 调用函数将DOTA数据集转换为YOLO格式 convert_dota_to_yolo('DOTA_dataset_path', 'YOLO_dataset_path') ``` 请注意,上述代码中的`'class1'`,`'class2'`,`'class3'`等表示DOTA数据集的类别名称,需要根据实际情况进行修改。另外,转换后的YOLO格式数据将保存在指定的`yolo_path`路径下。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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