查看自己制作的xywh能否跟原图中的目标对象相对应

一般而言，按照YOLO的数据分布方式及标签文件排布方式划分好数据集后，训练集中的图片与训练集中的标签是一一对应的，所以我在这里直接读取了训练集图片文件和训练集标签文件，利用图片名称解析标签文件，而没有使用for loop来搜索，这样会使程序的运行效率得到较大提升。当然，如果自己的数据集不是YOLO排布，仅需要在标签路径这里搜索一下即可。
另外，txt文件中存储的xywh是经过归一的，所以需要将归一化后的坐标化为原图中的绝对坐标，也就是程序中的

x_max=int((x+0.5*w)*width)
x_min=int((x-0.5*w)*width)
y_max=int((y+0.5*h)*height)
y_min=int((y-0.5*h)*height)

其具体推导过程如下图所示：

总体的代码如下：

import cv2
import os

img_file=r'train_dataset'
img_dir=os.listdir(img_file)

for image in img_dir:
    # 解析出图片名称，后续直接用名称取标签
    image_name=image.split('.')[0]
    # 图片路径
    image_path=img_file+'\\'+image
    # 读取图片
    img = cv2.imread(image_path)
    # 图片的尺寸
    height,width,_=img.shape
    # 标签路径
    labelpath = r'train_label'+'\\'+image_name+'.txt'
    # 读取标签
    f=open(labelpath,'r')
    # 将换行符去除
    data=[x.strip() for x in f.readlines() if x.strip()]
    # 关闭文件，防止内存溢出
    f.close()

    for line in data:
        # 类型转换，str->float
        label,x,y,w,h=line = list(map(float, line.split(' ')))
        # 得到制作BB的坐标
        x_max=int((x+0.5*w)*width)
        x_min=int((x-0.5*w)*width)
        y_max=int((y+0.5*h)*height)
        y_min=int((y-0.5*h)*height)

        # 5个参数的含义（图片，矩形框左上角点坐标，矩形框右下角点坐标，矩形框的颜色，线框粗细）
        cv2.rectangle(img, (x_min, y_max), (x_max, y_min), (0, 255, 0), 1)
        # 添加文本信息
        font = cv2.FONT_HERSHEY_SIMPLEX
        text = str(int(label))
        # 7个参数的含义（图片，文本信息，放置位置，字体，字体大小，字体颜色，粗细）
        cv2.putText(img, text, (x_min, y_min), font, 1, (0, 0, 255), 2)

    img_demo = cv2.resize(img,(800,800))
    cv2.moveWindow("ship_dataset", 100, 200)
    cv2.imshow('ship_dataset', img_demo)
    cv2.waitKey(0)
    cv2.destroyAllWindows()