目标检测中如何读取.xml后缀格式的标签文件

目标检测中如何读取.xml后缀格式的标签文件

本文代码是参考B站视频（BV1Q54y1D7vj）讲解yolo v4网络的代码（voc_annotation.py和dataloader两个文件）

文件介绍

在我的项目中有两个文件夹和一个txt文件，一个jpg文件夹保存的是jpg格式图片，xml文件夹里保存的是xml格式的标签文件，两个文件名是对应的，classes.txt保存的是class类型名称。

• 010002.xml标签文件部分内容结构如下

  <?xml version="1.0" ?><annotation>
    <folder>JPEGImages</folder>
    <filename>010002.jpg</filename>
    <path></path>
    <source>
    	<database>Unknown</database>
    </source>
    <size>
    	<width>1280</width>
    	<height>1024</height>
    	<depth>1</depth>
    </size>
    <segmented>0</segmented>
    <object>
    	<name>person</name>
    	<pose>Unspecified</pose>
    	<truncated>1</truncated>
    	<difficult>0</difficult>
    	<bndbox>
    		<xmin>978</xmin>
    		<ymin>1</ymin>
    		<xmax>1074</xmax>
    		<ymax>248</ymax>
    	</bndbox>
  

  我们是要提取里面object里面的内容

• classes.txt内容如下

    person
    bicycle
    car
    motorbike
    aeroplane
    bus
    train
    truck
    boat
    traffic light
    fire hydrant
    stop sign
    parking meter
    bench
    bird
  

读取xml文件内容并保存到txt文件中

• 代码

  import os
  import xml.etree.ElementTree as ET
  
  # 读取xml文件存放到txt文件中
  in_file = open("xml/010002.xml")
  #构建树状结构
  tree = ET.parse(in_file)
  #获取根节点
  root = tree.getroot()
  
  
  #   获得类
  def get_classes(classes_path):
      with open(classes_path, encoding='utf-8') as f:
          class_names = f.readlines()
      class_names = [c.strip() for c in class_names]
      return class_names, len(class_names)
  
  
  classes, _ = get_classes("classes.txt")
  
  jpg_dir = 'jpg'
  image_id = '010002'
  list_file = open("010002.txt", "w")
  #将图片路径写入txt文件中
  list_file.write(os.path.join(os.path.abspath(jpg_dir), f"{image_id}.jpg"))
  
  #循环遍历 XML 文件中所有的对象（object）标签
  for obj in root.iter("object"):
      difficult = obj.find('difficult')
      #标签名
      cls = obj.find("name").text
      #标签在classes.txt中位置编号
      cls_id = classes.index(cls)
      #如果类别不在指定的类别列表中或者 difficult 标记为 1（即困难标记），则跳过当前对象的处理
      if difficult == 1:
          continue
      xmlbox = obj.find("bndbox")
      #边界框两个坐标点
      b = [int(float(xmlbox.find("xmin").text)), int(float(xmlbox.find("ymin").text)), int(float(xmlbox.find("xmax").text)), int(float(xmlbox.find("ymax").text)), ]
      #将数据写入txt文件中
      list_file.write(" " + ",".join([str(a) for a in b]) + "," + str(cls_id))
  
  #关闭文件
  list_file.close()
  

• 获得数据的txt文件内容

  C:\Users\34920\Desktop\读取xml\jpg\010002.jpg 978,1,1074,248,0 402,284,518,546,0 337,353,455,604,0 292,426,415,701,0
  

  可以看见这张图像有四个边界框，类别都是person

读取txt文件，将边界框坐标和类别转换成numpy数组

• 代码

  from PIL import Image
  import numpy as np
  
  
  #   将图像转换成RGB图像，防止灰度图在预测时报错。
  #   代码仅仅支持RGB图像的预测，所有其它类型的图像都会转化成RGB
  def cvtColor(image):
      if len(np.shape(image)) == 3 and np.shape(image)[2] == 3:
          return image
      else:
          image = image.convert('RGB')
          return image
  #读取txt文件
  
  with open("010002.txt") as f:
      train_lines = f.readlines()
  
  for train_line in train_lines:
      line=train_line.split()
      # print(line,type(line))
  
      #读取图像并转换成RGB图像
      image = Image.open(line[0])
      # image = cvtColor(image)
  
      #line[1:]是一个字符串列表，其中每个字符串代表一组以逗号分隔的整数。
      # map(int, box.split(','))将每个字符串box按逗号拆分为整数，并将其转换为整数列表。
      # np.array(...)将每个整数列表转换为NumPy数组。
      # 外层的np.array(...)将所有这些NumPy数组组合成一个多维数组。
      box = np.array([np.array(list(map(int, box.split(',')))) for box in line[1:]])
      print(box.shape)
      print(box)
  

• 输出结果
  
  从结果可以看见已经转成numpy数组格式了，最后一列就是标签类型的id号。