目标检测VOC标注格式中，将斜框标注转化为水平框

Facias

已于 2022-12-27 10:57:23 修改

阅读量1.7k

点赞数 2

分类专栏：实用工具Python实现文章标签：目标检测计算机视觉深度学习

于 2022-12-27 10:35:04 首次发布

本文链接：https://blog.csdn.net/weixin_45453121/article/details/128451763

版权

实用工具Python实现专栏收录该内容

5 篇文章 0 订阅

订阅专栏

目标检测VOC格式数据集obb标注向hbb标注的转换（polygon 2 bndbox）

polygon(obb)和bndbox(hbb)介绍
- polygon(obb)
- bndbox(hbb)
polygon2bndbox转换原理
polygon2bndbox转换代码
可视化效果
- bndbox标注可视化代码

polygon(obb)和bndbox(hbb)介绍

polygon(obb)

一般来说polygon标注是用来检测航拍图像，标注框的样式是斜着的四边形，因此xml文件里的描述信息为四边形的四个顶点的坐标，即每个目标一共用8个值来描述坐标信息，如下图所示：
在这里插入图片描述
对应标注可视化效果为（蓝色框）：

在这里插入图片描述

bndbox(hbb)

这个标注方式就是做目标检测经常见到的水平框，一般xml的描述信息为：

在这里插入图片描述
可视化效果：

本人做项目时需要将polygon格式转换为bndbox格式，所以在此将转换过程记录一下，附上代码，需要自取。

polygon2bndbox转换原理

已知polygon四个顶点的信息，可以任选两个对角线上的点，当作bndbox的矩形的两个顶点。由于bndbox的两个点为矩形左下角（x_min,y_min）和右上角（x_max,y_max）,所以对于polygon我们也找出其左下角（x_min,y_min）和右上角（x_max,y_max）。
对于一个斜着的四边形。在找其左下角和右上角时分三种情况：

中心点左边有两个点 ，此时比较左边点的y坐标，大的为左上角，小的为左下角。右边两点y坐标大的为右上角；

2. 中心点左边有一个点 ，此时比较左边点为左下角。右边点为右上角；

在这里插入图片描述

polygon2bndbox转换代码

import xml.dom.minidom
import os.path

path = "/Users/dijia/Desktop/RGB-Infrared/RGB-Infrared/labels/modalA/DJI_2019050801_0002.xml"#路径
xmlfile = os.path.basename(path)
name1 = xmlfile.split('.')[0]
print(name1)

dom = xml.dom.minidom.parse(path)
root = dom.documentElement
movies = root.getElementsByTagName("object")  #获得所有该xml文件下所有object，返回为list形式
count = 0

def bndbox_func(lis):     #传入有一个元素的列表，其中每个元素是一个列表形式的坐标
    
    #将坐标的每一个元素映射为float
    for i in range(0,len(lis)):
        lis[i] = list(map(float,lis[i]))
    
    #将lis转为array，格式为[[198. 301.]，[151. 335.]，[164. 359.]，[212. 325.]]
    coordinate = np.array(lis)

    #求中心点坐标（array相当于矩阵，可以直接进行类似矩阵的运算）
    center = coordinate[0]
    for _ in range(1, 4):
        center = center + coordinate[_]
    center = center / 4
    
    # 复制一份坐标，避免原坐标被破坏
    coordinate_temp = coordinate.copy()

    #找出x轴小于中心坐标点的点 left_coordinate,两个点就是左上和左下，一个点就是左下
    left_coordinate = [] # 用于存储x轴小于中心坐标点的点
    delete_index = []
    for _ in range(4):   # 将 x轴小于中心坐标点的点存储进left_coordinate
        if(coordinate[_][0] < center[0]):
            left_coordinate.append(coordinate[_])  #list(array1,array2)
            delete_index.append(_)   #list(index1,index2)
    
    # 若上面找出有两个点，其余点即为右上和右下
    right_coordinate = np.delete(coordinate_temp, delete_index, axis=0)  #array
    # 若上面找出有一个点
    coordinate_temp = np.delete(coordinate_temp, delete_index, axis=0)  #array
    
    # 将left_coordinate做备份
    left_coordinate_temp = left_coordinate.copy()

    #此时对角线和x轴斜交
    if(len(left_coordinate_temp) == 2):
        # 比较左边两个点的y轴，大的为左上
        if(left_coordinate[0][1] < left_coordinate[1][1]):
            left_bottom = left_coordinate[0]  #array
            left_top = left_coordinate[1]     #array
        elif(left_coordinate[0][1] > left_coordinate[1][1]):
            left_bottom = left_coordinate[1]  #array
            left_top = left_coordinate[0]     #array

        # 比较右边两个点的y轴，大的为右上
        if(right_coordinate[0][1] < right_coordinate[1][1]):
            right_bottom = right_coordinate[0]#array
            right_top = right_coordinate[1]   #array
        elif(right_coordinate[0][1] > right_coordinate[1][1]):
            right_bottom = right_coordinate[1]#array
            right_top = right_coordinate[0]   #array
            
    #此时对角线和x轴垂直
    elif(len(left_coordinate_temp) == 1):
        left_bottom = left_coordinate[0]  #左下
        delete_index = []

        for _ in range(3):
            if(coordinate_temp[_][0] == center[0] and coordinate_temp[_][1] > center[1]):
                left_top = coordinate_temp[_] #左上
                delete_index.append(_)
            if(coordinate_temp[_][0] == center[0] and coordinate_temp[_][1] < center[1]):
                right_bottom = coordinate_temp[_] #右下
                delete_index.append(_)

        coordinate_temp = np.delete(coordinate_temp, delete_index, axis=0)
        right_top = coordinate_temp[0]  #右上
        
    return left_top[0],left_top[1],right_bottom[0],right_bottom[1]


    
    
    
if __name__ == "__main__":
    
    for movie in movies:

        print("*****Movie*****:" + str(count))
        print(movie)
        z = movie.getElementsByTagName('polygon')[0].childNodes #每个object只有一个polygon，movie.getElementsByTagName('polygon')得到
                                                   #一个[<DOM Element: polygon at 0x7fb5402bd9c8>]形式nodelist,而[0]得到
                                                   #<DOM Element: polygon at 0x7fb5402bd9c8>
        x1 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('x1')[0].childNodes[0].data
        y1 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('y1')[0].childNodes[0].data
        x2 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('x2')[0].childNodes[0].data
        y2 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('y2')[0].childNodes[0].data
        x3 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('x3')[0].childNodes[0].data
        y3 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('y3')[0].childNodes[0].data
        x4 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('x4')[0].childNodes[0].data
        y4 = movie.getElementsByTagName('polygon')[0].getElementsByTagName('y4')[0].childNodes[0].data

        # 所需要确定位置的四个坐标
        coordinate = [[x1, y1], [x2, y2], [x3, y3], [x4, y4]]  # 常规矩形坐标
        
        # 将四个顶点的polygon形式转化成左上和右下的bndbox形式
        x_min,y_min,x_max,y_max = bndbox_func(coordinate)    # 转化后的矩形坐标
        #print(x_min,y_min,x_max,y_max)
        
        movie.removeChild(movie.getElementsByTagName('polygon')[0])
        #print(movie.childNodes)
        
        zd = movie.ownerDocument
        bbox = zd.createElement('bndbox')
        #添加新的节点“bndbox”
        movie.appendChild(bbox)
        #新节点里添加新的元素
        xx = zd.createElement('xmax')
        xn = zd.createElement('xmin')
        yx = zd.createElement('ymax')
        yn = zd.createElement('ymin')

        xn_text = zd.createTextNode(str(x_min))
        xn.appendChild(xn_text)
        bbox.appendChild(xn)
        
        yn_text = zd.createTextNode(str(y_min))
        yn.appendChild(yn_text)
        bbox.appendChild(yn)
        
        xx_text = zd.createTextNode(str(x_max))
        xx.appendChild(xx_text)
        bbox.appendChild(xx)
        
        yx_text = zd.createTextNode(str(y_max))
        yx.appendChild(yx_text)
        bbox.appendChild(yx)

        count = count + 1
        
        try:
            with open(path, 'w', encoding='UTF-8') as fh:
                # 4.writexml()第一个参数是目标文件对象，第二个参数是根节点的缩进格式，第三个参数是其他子节点的缩进格式，
                # 第四个参数制定了换行格式，第五个参数制定了xml内容的编码。
                dom.writexml(fh, indent = '\t', addindent = '\t', newl='\n', encoding='UTF-8')
                print('OK')
                fh.close()
        except Exception as err:
            print('错误：{err}'.format(err=err))

可视化效果

bndbox标注可视化代码

#用opencv画polygon
import cv2
import os
import numpy as np
import xml.etree.ElementTree as ET
import matplotlib.pyplot as plt

xml_file = '/Users/dijia/Desktop/原始数据/xml/000617_303.735857.xml'
tree = ET.parse(xml_file)
root = tree.getroot()
imgfile = '/Users/dijia/Desktop/原始数据/rgb/000617_303.735857.jpg'
im = cv2.imread(imgfile)

polygon_list = []
for object in root.findall('object'):
    li = []
    object_name = object.find('name').text
    Xmin = int(float(object.find('bndbox').find('xmin').text))
    Ymin = int(float(object.find('bndbox').find('ymin').text))
    Xmax = int(float(object.find('bndbox').find('xmax').text))
    Ymax = int(float(object.find('bndbox').find('ymax').text))
    cv2.rectangle(im, (Xmin, Ymin), (Xmax, Ymax), (255,0,0), True)
    #cv2.circle(im, (Xmin, Ymin), radius=5, color=(255, 0, 0))
    #cv2.circle(im, (Xmax, Ymax), radius=5, color=(255, 0, 0))
plt.figure("Image") # 图像窗口名称
plt.imshow(im)
plt.axis('on') # 关掉坐标轴为 off
plt.title('image') # 图像题目
plt.savefig('/Users/dijia/Desktop/test4.jpg')
plt.show()

可视化效果（红色框）：
在这里插入图片描述
转换后可以用可视化代码查看效果，polygon的可视化稍微改一下就行，这里不贴相关代码了。
将polygon标注的对角线点找到，效果如图：

将其画成bndbox：

虽然目标有些区域被圈出去了，不过能凑活着训练。这里还是建议在标注数据前就构思好需要用什么标注信息。