目标检测-OPIXray、HIXray数据集格式转换为YOLO格式

import os
import cv2 as cv


def split_string_2_imgname_class_x1_y1_x2_y2(str):
    str=str.replace("\n","").split(" ")
    return str

def get_imgs_h_w(img_name):
    img_dir="D:\desk\X-Ray\imgs"  #修改为自己的图片路径目录
    img_path=os.path.join(img_dir,img_name)
    image = cv.imread(img_path)
    size = image.shape
    w = size[1]  # 宽度
    h = size[0]  # 高度
    return size


def voc_to_yolo(size, box):
    temp=[]
    dw = 1./float(size[1])
    dh = 1./float(size[0])
    box[0],box[1],box[2],box[3]=float(box[0]),float(box[1]),float(box[2]),float(box[3])

    x = (box[0] + box[2])/2.0
    y = (box[1] + box[3])/2.0
    w = box[2] - box[0]
    h = box[3] - box[1]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    temp.append(x)
    temp.append(y)
    temp.append(w)
    temp.append(h)
    return temp

def get_box(temp):
    box=[]
    for i in range(2,6):
        box.append(temp[i])
    return box

def get_class_index(class_name):
#OPIXray字典如下
    class_dict={'Straight_Knife': '0', 'Folding_Knife': '1', 'Scissor': '2', 'Utility_Knife': '3', 'Multi-tool_Knife': '4'}


#Hixray字典如下    class_dict={'Mobile_Phone': 0, 'Laptop': 1, 'Portable_Charger_2': 2, 'Portable_Charger_1': 3, 'Tablet': 4, 'Cosmetic': 5, 'Water': 6, 'Nonmetallic_Lighter': 7}
    return class_dict.get(class_name)

if __name__ == '__main__':
    txt_dir = r"D:\desk\X-Ray\labels"  #修改为自己的原始标签路径
    img_dir = r"D:\desk\X-Ray\imgs"  #修改为自己的原始图片路径
    save_txt_dir = r"D:\desk\X-Ray\new_labels"  #修改为自己的标签保存路径
    if not os.path.exists(save_txt_dir):
        os.mkdir(save_txt_dir)

    for txt_name in os.listdir(txt_dir):
        txt_path=os.path.join(txt_dir,txt_name)
        save_txt_path=os.path.join(save_txt_dir,txt_name)
        f = open(txt_path, 'r')
        contents=f.readlines()
        for annotation in contents:
            temp=split_string_2_imgname_class_x1_y1_x2_y2(annotation)
            size=get_imgs_h_w(temp[0])
            class_index=get_class_index(temp[1])
            box=get_box(temp)
            xywh=voc_to_yolo(size,box)
            f_save=open(save_txt_path,'a')

            f_save.write(class_index)
            f_save.write(" ")
            f_save.write(str(xywh[0]))
            f_save.write(" ")
            f_save.write(str(xywh[1]))
            f_save.write(" ")
            f_save.write(str(xywh[2]))
            f_save.write(" ")
            f_save.write(str(xywh[3]))
            f_save.write(" ")
            f_save.write("\n")
        f_save.close()
        f.close()

---

第一处修改位置：11行代码

    img_dir="D:\desk\X-Ray\imgs"  #修改为自己的图片路径目录

第二-四处修改位置：51-53行代码

    txt_dir = r"D:\desk\X-Ray\labels"  #修改为自己的原始标签路径
    img_dir = r"D:\desk\X-Ray\imgs"  #修改为自己的原始图片路径
    save_txt_dir = r"D:\desk\X-Ray\new_labels"  #修改为自己的标签保存路实验 

实验准备 

 

 

 实验结果

 

实验验证

可视化相关代码：目标检测-可视化YOLO格式标签_yolo标签可视化-CSDN博客

注：如需转换成其他格式，可以参考以下链接

目标检测-数据处理，YOLO2JSON、VOC2YOLO、YOLO2VOC、JSON2YOLO-CSDN博客

测试数据集

用YOLOv8的各个版本在HiXray和OPIXray数据集上实验结果如下所示

OPIXray

HiXray

完美！ 

寄几用 ~~~

 OPIXray数据集链接

OPIXray-author/OPIXray (github.com)

 HIXray数据集链接

HiXray-author/HiXray (github.com)

番外篇

据说OPIxray数据集的标注有些问题，感兴趣的小伙伴可以用我的可视化代码去看看有无问题，有问题只有自己重新标注下或者换数据集了。