关于python:如何用Python读取xml文件后裁剪标注图片和扩容数据

36次阅读

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

正文完
 0