共计 2298 个字符，预计需要花费 6 分钟才能阅读完成。
因为想用 yolov5 算法训练本人数据集辨认数字“0-9”，一开始用 labeling 标注了图片，生成了大量的 xml 文件。因为图片中 0，1 比拟多，而其余数字偏少，标注到前面，就疏忽了大量的 0，1。前面发现，漏标注会导致训练时把指标辨认成背景，重大影响算法辨认的准确性。而后，我也不想从新去标注图片了，就想着写个 Python 程序依据 xml 文件，依照标注框，把指标都裁剪进去。
1、裁剪图片
首先是依据 xml 文件把对应标注图片，按标注框，裁剪进去。我在的根底上实现了裁剪图片按类别保留到对应文件夹外面，并在该类别下按程序编号
导入模块 import cv2import xml.etree.ElementTree as ETimport osfrom pathlib import Pathimport numpy as npimport random
原图片、标签文件、裁剪图片门路
img_path = r’D:yolov5-3.1cutc_1′
xml_path = r’D:yolov5-3.1cutxml’
obj_img_path = r’D:yolov5-3.1cutc_3′
申明一个空字典用于贮存裁剪图片的类别及其数量
Numpic = {}
把原图片裁剪后，按类别新建文件夹保留，并在该类别下按程序编号 for img_file in os.listdir(img_path):
if img_file[-4:] in [‘.png’, ‘.jpg’]: # 判断文件是否为图片格式
img_filename = os.path.join(img_path, img_file) # 将图片门路与图片名进行拼接
img_cv = cv2.imread(img_filename) # 读取图片
img_name = (os.path.splitext(img_file)[0]) # 宰割出图片名，如“000.png”图片名为“000”
xml_name = xml_path + ” + ‘%s.xml’ % img_name # 利用标签门路、图片名、xml 后缀拼接出残缺的标签路径名
if os.path.exists(xml_name): # 判断与图片同名的标签是否存在，因为图片不肯定每张都打标
root = ET.parse(xml_name).getroot() # 利用 ET 读取 xml 文件
for obj in root.iter(‘object’): # 遍历所有指标框
name = obj.find(‘name’).text # 获取指标框名称，即 label 名
xmlbox = obj.find(‘bndbox’) # 找到框指标
x0 = xmlbox.find(‘xmin’).text # 将框指标的四个顶点坐标取出
y0 = xmlbox.find(‘ymin’).text
x1 = xmlbox.find(‘xmax’).text
y1 = xmlbox.find(‘ymax’).text
obj_img = img_cv[int(y0):int(y1), int(x0):int(x1)] # cv2 裁剪出指标框中的图片
Numpic.setdefault(name, 0) # 判断字典中有无以后 name 对应的类别，无则新建
Numpic[name] += 1 # 以后类别对应数量 + 1
my_file = Path(obj_img_path + ” + name) # 判断以后 name 对应的类别有无文件夹
if 1 – my_file.is_dir(): # 无则新建
os.mkdir(obj_img_path + ” + str(name))
cv2.imwrite(obj_img_path + ” + name + ” + ‘%04d’ % (Numpic[name]) + ‘.jpg’,
obj_img) # 保留裁剪图片，图片命名 4 位，有余补 0
2、图片扩容
只是把标注框裁剪进去，跟单网 gendan5.com 还会有一个问题就是，每个类别的数量不统一，0，1 的图片多，其余数字少，作为训练集可能不太好。我想，要是每个类别的图片数量都统一就好了。于是我持续把裁剪图片进行扩容，这里只是通过给图片减少噪点来扩容。
新建一个图片加噪点的函数
def random_noise(image,noise_num):
img_noiseimg = cv2.imread(image) # 读取图片
ows, cols, chn = img_noise.shape
for i in range(noise_num):
x = np.random.randint(0, rows)# 随机生成指定范畴的整数
y = np.random.randint(0, cols)
img_noise[x, y, :] = 0 # 0 代表彩色，255 代表红色
return img_noise
图片扩容
max_Numpic = max(Numpic.values()) # 提取裁剪图片中，类别下数量最大值 for name in Numpic:# 遍历每一个类别
for i in range (Numpic[name] + 1, max_Numpic + 1):# 把其余类别的图片数量裁减到，与数量值最大的类别相等（我的数据集外面“0”这个类别数量是最多的）
Noisenum = random.randint(1, 20)# 生成随机的噪点数
Num = random.randint(1, Numpic[name])# 随机抉择该类别下已存在的一个图片
Noicepic = random_noise(obj_img_path + ” + name + ” + ‘%04d’ % Num + ‘.jpg’, Noisenum)# 给图片加噪点
cv2.imwrite(obj_img_path + ” + name + ” + ‘%04d’ % (i) + ‘.jpg’, Noicepic)# 保留图片
