用python将CSV标签文件（批量）转换为XML文件（单个）

博主是基于2021小麦目标检测以及计数比赛提供官方数据集作为例子，将官方提供的含有大量标签的CSV文件转换为VOC格式的XML标注文件，方便算法进行训练。

1、比赛地址以及概况：

2021年全球小麦目标检测计数比赛

---

2、图像数据集：

---

3、标签文件数据集：

---

4、转换代码：

编辑XML文件的函数需要用到xml.etree.ElementTree的函数进行字符串数据的写入，在这里博主编写csvtoxml函数，以图像名、标注框四个坐标、域（domain）作为输入，输出为XML文件信息树，便于接下来的保存。

#编辑xml文件的函数
def csvtoxml(image_name,bbox,domain):

    a = Element('annotation')

    b = SubElement(a, 'folder')
    b.text = 'label'

    c = SubElement(a, 'filename')
    c.text=image_name+'.png'

    c_1 = SubElement(a, 'path')
    c_1.text = 'D:/Download/2021wheat_object_dectection/train/%s' %c.text

    d = SubElement(a, 'source')
    d_1 =SubElement(d,'databases')
    d_1.text='Unknown'
    d_2 =SubElement(d,'domain')
    d_2.text = '%s'%domain

    e=SubElement(a,'size')        #图片的大小
    e_1,e_2,e_3 = SubElement(e,'width'),SubElement(e,'height'),SubElement(e,'depth')
    e_1.text,e_2.text,e_3.text='1024','1024','3'

    f=SubElement(a,'segmented')
    f.text='0'

    #依据;分离标准框坐标
    str_bbox=bbox.split(";")


    #读取每个目标的标注框坐标
    for i in str_bbox:

        #分离每个标准框的四个坐标点
        list_point=i.split()

        # 定义object模块
        g = SubElement(a, 'object')
        g_1, g_2, g_3,g_4 = SubElement(g, 'name'), SubElement(g, 'pose'), \
                            SubElement(g, 'truncated'),SubElement(g, 'difficult')

        # 定义bbox的坐标格式
        h=SubElement(g,'bndbox')
        h_1, h_2, h_3,h_4 = SubElement(h, 'xmin'), SubElement(h, 'ymin'), SubElement(h, 'xmax'),SubElement(h, 'ymax')

        #目标类别为单类别“小麦”
        judge = 'Wheat'
        h_1.text, h_2.text, h_3.text, h_4.text = list_point[0], list_point[1], list_point[2], list_point[3]
        g_1.text, g_2.text, g_3.text, g_4.text = judge, 'Unspecified', '0', '0'

    return ElementTree(a)

主函数main则是负责挑出CSV文件中不含标注框（bbox）的标签，利用迭代将标签信息输送给csvtoxml。

def main():
    #读取csv文件，不读取表头
    df=pd.read_csv(way_1,header=None)
    #读取csv中数据的行数
    index_num=len(df.index)

    for i in tqdm(range(1,index_num)):
        # print(i)

        row_data_1=df.iloc[i]     #1到3657

        image_name=row_data_1[0]
        bbox=row_data_1[1]
        domain=row_data_1[2]

        if bbox !='no_box':
            tree=csvtoxml(image_name,bbox,domain)
            tree.write('%s/%s.xml' % (way_2, image_name), encoding='UTF-8')

整个py文件的完整的代码如下。

import csv
import argparse
import numpy as np
import pandas as pd
from tqdm import tqdm
from xml.etree.ElementTree import Element, ElementTree, tostring,SubElement


parser = argparse.ArgumentParser()
parser.add_argument('--big_csv', type=str, default='D:/Download/2021wheat_object_dectection/train.csv', help='')
parser.add_argument('--csv_way', type=str, default='D:/Download/2021wheat_object_dectection/label_xml', help='')
opt=parser.parse_args()

way_1=opt.big_csv
way_2=opt.csv_way
print(opt)


#编辑xml文件的函数
def csvtoxml(image_name,bbox,domain):

    a = Element('annotation')

    b = SubElement(a, 'folder')
    b.text = 'label'

    c = SubElement(a, 'filename')
    c.text=image_name+'.png'

    c_1 = SubElement(a, 'path')
    c_1.text = 'D:/Download/2021wheat_object_dectection/train/%s' %c.text

    d = SubElement(a, 'source')
    d_1 =SubElement(d,'databases')
    d_1.text='Unknown'
    d_2 =SubElement(d,'domain')
    d_2.text = '%s'%domain

    e=SubElement(a,'size')        #图片的大小
    e_1,e_2,e_3 = SubElement(e,'width'),SubElement(e,'height'),SubElement(e,'depth')
    e_1.text,e_2.text,e_3.text='1024','1024','3'

    f=SubElement(a,'segmented')
    f.text='0'

    #依据;分离标准框坐标
    str_bbox=bbox.split(";")


    #读取每个目标的标注框坐标
    for i in str_bbox:

        #分离每个标准框的四个坐标点
        list_point=i.split()

        # 定义object模块
        g = SubElement(a, 'object')
        g_1, g_2, g_3,g_4 = SubElement(g, 'name'), SubElement(g, 'pose'), \
                            SubElement(g, 'truncated'),SubElement(g, 'difficult')

        # 定义bbox的坐标格式
        h=SubElement(g,'bndbox')
        h_1, h_2, h_3,h_4 = SubElement(h, 'xmin'), SubElement(h, 'ymin'), SubElement(h, 'xmax'),SubElement(h, 'ymax')

        #目标类别为单类别“小麦”
        judge = 'Wheat'
        h_1.text, h_2.text, h_3.text, h_4.text = list_point[0], list_point[1], list_point[2], list_point[3]
        g_1.text, g_2.text, g_3.text, g_4.text = judge, 'Unspecified', '0', '0'

    return ElementTree(a)




def main():
    #读取csv文件，不读取表头
    df=pd.read_csv(way_1,header=None)
    #读取csv中数据的行数
    index_num=len(df.index)

    for i in tqdm(range(1,index_num)):
        # print(i)

        row_data_1=df.iloc[i]     #1到3657

        image_name=row_data_1[0]
        bbox=row_data_1[1]
        domain=row_data_1[2]

        if bbox !='no_box':
            tree=csvtoxml(image_name,bbox,domain)
            tree.write('%s/%s.xml' % (way_2, image_name), encoding='UTF-8')



if __name__ == '__main__':
    main()

---

5、转换效果：

---

6、标签可视化：

关于标签可视化，博主有一篇编码好的py文件，可以改一下路径直接拿来用，色彩等细节可以自己调。

XML可视化（将标注框标注到数据集中显示处理并保存）

可视化效果也挺好的。