yov5检测结果裁剪并保存2021/1/22

将yolov5每张图片检测出的物体根据矩形框进行裁剪并保存

                k=-1
                for *xyxy, conf, cls in reversed(det):
                    aa = int(xyxy[1])
                    bb = int(xyxy[3])
                    cc = int(xyxy[0])
                    dd = int(xyxy[2])
                    #裁剪crop = im0[y1:y2, x1:x2]
                    crop = im0[aa:bb, cc:dd]
                    if k < len(det):
                        k = k + 1
                       #保存的路径以及 图片名Path(p).name_1_jpg,Path(p).name_2.jpg等
                    cv2.imwrite("E:\object_detection\yolo v5\yolov5-6class\crop/" + Path(p).name.split(".")[
                        0] + "_{0}.jpg".format(k), crop)

循环遍历文件夹下的图片，加灰条resize图片大小，并保存resize后图片。

这部分代码是用来加灰条的，iw和ih是原图的行列数，w和h是需要生成的图像的行列数，scale得到的是新图与原图的宽高比，简单想一下，宽高比越小的，变化的范围就越大，那么反之，就要给另外一边补灰条。所以先得到scale这个较小的宽高比，然后对图片进行缩放，new_image是一张灰色的新图，然后将缩放好的图像粘贴到灰色图像上，覆盖掉一部分，那么剩下的部分就是灰条了。

#加灰条
def letterbox_image(image, size):
    # 对图片进行resize，使图片不失真。在空缺的地方进行padding
    iw, ih = image.size
    w, h = size
    scale = min(w / iw, h / ih)
    nw = int(iw * scale)
    nh = int(ih * scale)

    image = image.resize((nw, nh), Image.BICUBIC)
    new_image = Image.new('RGB', size, (128, 128, 128))
    new_image.paste(image, ((w - nw) // 2, (h - nh) // 2))
    return new_image

#遍历directory_name放图片的文件夹

    for filename in os.listdir(directory_name):
        image = Image.open(directory_name + "/" + filename)
        image = letterbox_image(image, [224, 224])
        #下面这句话很重要，如果不加会报错，具体下面解释
        image_data = np.asarray(image)
        cv2.imwrite("E:\\fenlei\efficientnet-pytorch-master\inference1/" + filename,image_data)


######################################################出错：
Error: img is not a numpy array, neither a scalar
原来image = letterbox_image(image, [224, 224])获得的image是
<class 'PIL.JpegImagePlugin.JpegImageFile'>
无法直接写，需要转为数据，如下：
 image_data = np.asarray(image)

分割提取文件前缀名，比如0004_1.jpg,结果为0004.jpg

 filename = filename.rsplit('_')[0]+'.jpg'
#将图像名称与类别组成字典
 arr = {f'{filename}': f'{h}'}
 #接着上面循环遍历每个图片并添加
 dict.append(arr)

字典根据键key去找值value

dict={'aa': 0, 'bb': 1, 'cc': 2, 'dd': 3, 'ee': 4, 'ff': 5, 'gg': 6}

pring(dict['aa'])
>>>0

字典根据值value去找键key

{'aa': 0, 'bb': 1, 'cc': 2, 'dd': 3, 'ee': 4, 'ff': 5, 'gg': 6, 'hh': 7, 'ii': 8, 'jj': 9, 'kk': 10, 'll': 11, 'mm': 12, 'nn': 13, 'oo': 14, 'pp': 15, 'qq': 16}
#idx=3
  h = list(c.keys())[list(c.values()).index(idx)]
>>>dd

for合并列表中key相同的value值

 #合并列表中key相同的value值
[{'00004.jpg': 'ee'}, {'00004.jpg': 'ee'}, {'00081.jpg': 'dd'}, {'401.jpg': 'ff'}, {'404.jpg': 'gg'}, {'404.jpg': 'hh'}, {'584.jpg': 'kk'}, {'584.jpg': 'hh'}, {'584.jpg': 'jj'}, {'985.jpg': 'mm'}, {'985.jpg': 'pp'}]

    for _ in dict:
        for k, v in _.items():
            dic.setdefault(k, []).append(v)

    merge=[{k: v}for k, v in dic.items()]
[{'00004.jpg': ['ee', 'ee']}, {'00081.jpg': ['dd']}, {'401.jpg': ['ff']}, {'404.jpg': ['gg', 'hh']}, {'584.jpg': ['kk', 'hh', 'jj']}, {'985.jpg': ['mm', 'pp']}]

for读取合并字典的键值key value

#读取合并字典的键值
 for _ in merge:
        for key,value in _.items():
            print(f'图片{key}检测结果有：{value}')

#将类别名画在图像上
draw = ImageDraw.Draw(image)
font = ImageFont.truetype("C:\Windows\Fonts\Arial.ttf", 24)
draw.text((120,10),"class:{}".format(h), (255, 0, 0),font=font)  # 写文字，参数为文字添加位置，添加的文字字符串，文字颜色，格式
image.save("results/det_results{}".format(filename))

Python字典包含了以下内置方法：

dict.clear()    #删除字典内所有元素
dict.copy()    #返回一个字典的浅复制
dict.fromkeys()    #创建一个新字典，以序列seq中元素做字典的键，val为字典所有键对应的初始值
dict.get(key, default=None)    #返回指定键的值，如果值不在字典中返回default值
dict.has_key(key)    #如果键在字典dict里返回true，否则返回false
sdict.items()    #以列表返回可遍历的(键, 值) 元组数组
sdict.keys()    #以列表返回一个字典所有的键
dict.setdefault(key, default=None)    #和get()类似, 但如果键不已经存在于字典中，将会添加键并将值设为default
dict.update(dict2)    #把字典dict2的键/值对更新到dict里
dict.values()    #以列表返回字典中的所有值