多个数据集（每个数据集的图片和标注各一个文件夹），每个数据集的图片、标注文件均从0开始命名，并且每个数据集标注的索引都为0，每个数据集各为不同类别，合成统一数据集。（标注索引见另一篇文章脚本修改）

一、数据集重命名与标注对齐

问题背景

每个数据集的图片和标注均从0开始命名（如0.jpg、0.xml），跨数据集会导致文件名冲突（如类别 A 的0.jpg和类别 B 的0.jpg同名）。需通过添加类别标识 + 全局序号解决冲突，并处理缺失标注的图片。

1. 重命名规则设计

• 图片命名：[类别名]_[全局序号].[后缀]（如apple_001.jpg、banana_002.png）。
  • 类别名：用数据集对应的类别名称（如watermelon、apple等，需确保唯一）。
  • 全局序号：每个类别内部从1开始递增（如类别 A 的图片为A_001.jpg、A_002.jpg…）。
• 标注命名：与图片名一致（如apple_001.xml、banana_002.json）。

2. 缺失标注的处理策略

• 目标：避免训练时因缺失标注导致错误。
• 方案：
  1. 过滤缺失标注的图片：仅保留同时存在图片和对应标注的文件。
  2. 标记无标注图片（可选）：若需利用无标注数据，可标记为unlabeled类别（仅适用于半监督学习）。

3. Python 代码实现（重命名 + 标注对齐）

以下代码支持：

• 遍历所有数据集文件夹（图片 / 标注各 14 个）。
• 按类别重命名图片和标注，避免冲突。
• 过滤缺失标注的图片。

import os
import shutil
from glob import glob


def rename_and_align_datasets(
        root_dir,  # 数据集根目录（含28个文件夹：14个img_dir，14个ann_dir）
        class_names,  # 类别名列表（如['watermelon', 'apple', ...]，长度14）
        img_folder_suffix='',  # 图片文件夹后缀（如'watermelon_images'）
        ann_folder_suffix='-label',  # 标注文件夹后缀（如'watermelon_labels'）
        start_idx=0  # 每个类别内部的起始序号（如1→001）
):
    # 遍历每个类别（共14个）
    for class_idx, class_name in enumerate(class_names):
        # 定义图片和标注文件夹路径
        img_dir = os.path.join(root_dir, f"{class_name}{img_folder_suffix}")
        ann_dir = os.path.join(root_dir, f"{class_name}{ann_folder_suffix}")

        # 检查文件夹是否存在
        if not os.path.exists(img_dir) or not os.path.exists(ann_dir):
            print(f"警告：类别 {class_name} 的图片/标注文件夹缺失，跳过！")
            continue

        # 收集图片路径（支持jpg/png等格式）
        img_extensions = ('.jpg', '.jpeg', '.png', '.bmp')
        img_paths = []
        for ext in img_extensions:
            img_paths.extend(glob(os.path.join(img_dir, f'*{ext}'), recursive=False))

        # 按文件名排序（确保0.jpg→001，1.jpg→002...）
        img_paths.sort(key=lambda x: int(os.path.splitext(os.path.basename(x))[0]))

        # 遍历图片，重命名并对齐标注
        current_idx = start_idx
        for img_path in img_paths:
            # 获取原始文件名（如0.jpg→0）
            old_name = os.path.splitext(os.path.basename(img_path))[0]

            # 检查是否存在对应标注（假设标注与图片同名，后缀为.xml/json等）
            ann_path = None
            for ann_ext in ('.xml', '.json', '.txt'):  # 支持常见标注格式
                candidate_ann = os.path.join(ann_dir, f"{old_name}{ann_ext}")
                if os.path.exists(candidate_ann):
                    ann_path = candidate_ann
                    break

            # 缺失标注：跳过并提示
            if not ann_path:
                print(f"警告：图片 {img_path} 无对应标注，已跳过！")
                continue

            # 生成新文件名（如watermelon_001.jpg）
            new_img_name = f"{class_name}_{current_idx:03d}{os.path.splitext(img_path)[1]}"
            new_img_path = os.path.join(img_dir, new_img_name)

            # 生成新标注名（如watermelon_001.xml）
            new_ann_name = f"{class_name}_{current_idx:03d}{os.path.splitext(ann_path)[1]}"
            new_ann_path = os.path.join(ann_dir, new_ann_name)

            # 重命名图片和标注（避免覆盖已存在的文件）
            if not os.path.exists(new_img_path) and not os.path.exists(new_ann_path):
                shutil.move(img_path, new_img_path)
                shutil.move(ann_path, new_ann_path)
                print(f"重命名：{img_path} → {new_img_path}")
                print(f"重命名标注：{ann_path} → {new_ann_path}")
            else:
                print(f"警告：{new_img_path} 或 {new_ann_path} 已存在，跳过！")

            current_idx += 1


# 示例调用（替换为你的实际路径和类别名）
class_names = ['watermelon',
        'apple','banana','grape','orange','pear','pomegranate',
        'nectarine',
        'mango',
        'lychee',
        'longan',
        'durian',
        'cantaloupe',
        'blueberry']  # 14个类别

rename_and_align_datasets(
    root_dir=r'C:\Users\29420\Desktop\1',  # 数据集根目录（含28个文件夹）
    class_names=class_names,
    img_folder_suffix='',  # 图片文件夹后缀（如'watermelon_imgs'）
    ann_folder_suffix='-label',  # 标注文件夹后缀（如'watermelon_anns'）
    start_idx=0
)