1、目标

2、标注目标框生成XML文件

（1）建立工作区（必须）

（2）导入工作区

（3）在图片中进行标注

（4）完成

3、将XML文件转化为TXT文件

3.1将图像遍历输入到txt文件中

（1）建立存放目标文件的目录

（2）运行代码生成文件

（3）完成结果

3.2生成与图像名对应的txt文件

（1）运行代码

（2）完成结果

1、目标

标注图像是为了生成用于训练的数据集，我们需要对采集的图像进行一系列操作，然后生成与图像同名的txt文件，txt文件中记录了目标信息包括有：类别标签、左上角横坐标、左上角纵坐标、右下角横坐标、右下角纵坐标。

举个例子，对DSC_0011_12.jpg图像进行标注，我们要生成一个DSC_0011_12.txt文件，txt文件内部为

2、标注目标框生成XML文件

标注的过程大概分为如下几步，首先是框选目标并形成XML文件，而后将XML文件转化为TXT文件。在本节将说明框选目标并形成XML文件的过程。

在本步骤中我们借助了labeIImg完成(下载地址：https://tzutalin.github.io/labelImg/)，通过这个工具我们可以在图像中框出选择的目标，然后labelImg会生成如下的XML文件来记录标注的信息。

（1）建立工作区（必须）

明确本步的目标后，我们正式开始我们的框选目标过程。首先要为我们的labeIImg建立工作区，首先新建文件夹myData，然后在myData内部建立两个文件夹，分别命名为Annotations和JPEGImages，然后将我们的待标记图片放入JPEGImages，labeIImg生成的HTML文件会在Annotations文件夹内。

（2）导入工作区

这一步我们直接用图片说明，打开工具labeIImg(下载地址：https://tzutalin.github.io/labelImg/)后：

step1：点击按钮

step2：找到文件夹并导入

step3：导入完成

（3）在图片中进行标注

本次标注的目标是标记车辆，命名为car。

step1：点击创建目标框按钮

step2：画目标框

step3：保存

点击右边的按钮或者快捷键都可

step4：下一张

（4）完成

完成后在JPEGImages中的每张图片都会有一个相应的xml文件在Annotations中。

3、将XML文件转化为TXT文件

因为我们的最终需要的是生成与图像同名的txt文件，而目前是xml文件，所有在本步中要完成聪XML文件到TXT文件的转化。首先我们先统计图像的名称放在一个文件中，然后再与Annotations中保留目标框位置的信息对照生成与图像同名的txt文件，这两步各使用一个代码完成。

3.1将图像遍历输入到txt文件中

（1）建立存放目标文件的目录

建立目标文件夹目录：在myData文件夹下建立ImageSets文件夹，在ImageSets文件夹内建立Main文件夹，本步骤生成的文件都会存放在myData\ImageSets\Main中，如下图：

（2）运行代码生成文件

本步需要利用代码实现，我这边是命名为了BirthPictureTxt.py，存放在myData目录下：

代码为：

#代码来源：https://www.cnblogs.com/answerThe/p/11481564.html#
import os
import randomtrainval_percent = 0#划分数据集
train_percent = 1#划分数据集，这边不希望划分所以一个为1，一个为0
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'#先建立目标文件夹是为了这边
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')for i in list:name = total_xml[i][:-4] + '\n'if i in trainval:ftrainval.write(name)if i in train:ftest.write(name)else:fval.write(name)else:ftrain.write(name)ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

（3）完成结果

完成后，我们得到包含图像名称的txt文件train.txt（该文件存放在myData\ImageSets\Main中）

3.2生成与图像名对应的txt文件

这是最后一步，需要生成与图像名对应的txt文件。

（1）运行代码

将代码放在与myData同级的目录下：

代码为：

#代码来源：https://www.cnblogs.com/answerThe/p/11481564.html#
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join# 源代码sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
sets = [('2021', 'train')]  # 改成自己建立的myData名称，如果直接拷贝上面步骤的代码，这步不需要改变classes = ["car"]  # 改成自己的类别名称（按前后写，照应第44行）def convert(size, box):dw = 1. / (size[0])dh = 1. / (size[1])x = (box[0] + box[1]) / 2.0 - 1y = (box[2] + box[3]) / 2.0 - 1w = box[1] - box[0]h = box[3] - box[2]x = x * dww = w * dwy = y * dhh = h * dhreturn (x, y, w, h)def convert_annotation(year, image_id):in_file = open('myData/Annotations/%s.xml' % (image_id))  # 源代码VOCdevkit/VOC%s/Annotations/%s.xmlout_file = open('myData/labels/%s.txt' % (image_id), 'w')  # 源代码VOCdevkit/VOC%s/labels/%s.txttree = ET.parse(in_file)root = tree.getroot()size = root.find('size')w = int(size.find('width').text)h = int(size.find('height').text)for obj in root.iter('object'):if obj.find('difficult'):difficult = int(obj.find('difficult').text)else:difficult = 0cls = obj.find('name').textif cls not in classes or int(difficult) == 1:continuecls_id = classes.index(cls)#这里是指目标序号，默认是从0开始，按第10行classes里的顺序递增#例如classes = ["car","apple"]，则car序号是0，apple是1#若想改变比如从2开始计数，这里可以+2xmlbox = obj.find('bndbox')b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))bb = convert((w, h), b)out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')wd = getcwd()for year, image_set in sets:if not os.path.exists('myData/labels/'):  # 改成自己建立的myDataos.makedirs('myData/labels/')image_ids = open('myData/ImageSets/Main/%s.txt' % (image_set)).read().strip().split()list_file = open('myData/%s_%s.txt' % (year, image_set), 'w')for image_id in image_ids:list_file.write('%s/myData/JPEGImages/%s.jpg\n' % (wd, image_id))convert_annotation(year, image_id)list_file.close()

（2）完成结果

我们的目标文件就存在于myData/labels（自动建立）里面啦

目标检测——标注图像（超详细步骤）相关推荐

Pyqt搭建YOLOV3目标检测界面（超详细+源代码）
Pyqt搭建YOLOV3目标检测界面(超详细+源代码) 2022.5.25更新 2021.11.23 更新 2021.11.22 更新实现效果如下所示,可以检测图片.视频以及摄像头实时检测. 0.准 ...
目标检测的图像特征提取
转自:http://blog.csdn.net/zouxy09/article/details/7929348 作者:zouxy09 目标检测的图像特征提取之(一)HOG特征 1.HOG特征: 方向梯 ...
【OpenCV 例程200篇】80. 频率域图像滤波详细步骤
[OpenCV 例程200篇]80. 频率域图像滤波详细步骤欢迎关注『OpenCV 例程200篇』系列,持续更新中欢迎关注『Python小白的OpenCV学习课』系列,持续更新中 3. 频 ...
三、Hive数据仓库应用之Hive数据操作语言（超详细步骤指导操作，WIN10，VMware Workstation 15.5 PRO，CentOS-6.7）
Hive远程模式部署参考: 一.Hive数据仓库应用之Hive部署(超详细步骤指导操作,WIN10,VMware Workstation 15.5 PRO,CentOS-6.7) Hive数据定义语言 ...
如何发布自己的npm包（超详细步骤，博主都在用）
发布自己的npm超详细步骤前沿: 从去年毕业,vue掌握的还算熟练应用了,做过的vue项目也有十几个了吧,每次做项目的时候,有些组件老是使用,拷贝来拷贝去的使用.我就想把这些组件封装到一起,以后做项 ...
视频目标检测与图像目标检测的区别
一. 前言本文介绍了知乎上关于视频目标检测与图像目标检测的区别的几位大佬的回答.主要内容包括有视频目标检测与图像目标检测的区别.视频目标检测的研究进展.研究思路和方法. 作者:Naiyan Wang ...
服务器里微信怎么多开,电脑上如何多开微信？三个微信多开方法分享，超详细步骤！...
原标题:电脑上如何多开微信?三个微信多开方法分享,超详细步骤! 在我们日常工作和日常生活中,有时我们在电脑办公室时经常使用微信,但我们知道电脑上微信不能像QQ一样同时登陆多个账号.但是对很多营销人员来 ...
大数据基础学习三：Ubuntu下安装VMware Tools超详细步骤及需要注意的问题（以ubuntu-18.04.3、Mware Workstation 15.1.0 Pro为例）
大数据基础学习三:Ubuntu下安装VMware Tools超详细步骤及需要注意的问题 (以ubuntu-18.04.3.Mware Workstation 15.1.0 Pro for Window ...
mysql连接idea详细教程_idea配置连接数据库的超详细步骤
学习时,使用IDEA的时候,需要连接Database,连接时遇到了一些小问题,下面记录一下操作流程以及遇到的问题的解决方法. 一. 连接操作简介:介绍如何创建连接,具体连接某个数据库的操作流程. 1 ...

目标检测——标注图像（超详细步骤）

1、目标