目标检测 - 如何在图片中标记Annotations中的坐标信息？

先看我们代码的效果：

原始图片：

加载坐标信息后的图片：

我的文件结构是这样的：

这是我用于处理的代码：

import os
import cv2 as cv
import xml.etree.ElementTree as ETdef xml_to_jpg(imgs_path, xmls_path, out_path):imgs_list = os.listdir(imgs_path)  #读取图片列表xmls_list = os.listdir(xmls_path)  # 读取xml列表if len(imgs_list) <= len(xmls_list):  #若图片个数小于或等于xml个数，从图片里面找与xml匹配的print("标记点1")for imgName in imgs_list:temp1 = imgName.split('.')[0]   #图片名 例如123.jpg 分割之后 temp1 = 123temp1_ = imgName.split('.')[1]  #图片后缀if temp1_!='jpg' and temp1_ !='jpeg':continuefor xmlName in xmls_list:       #遍历xml列表temp2 = xmlName.split('.')[0]  #xml名temp2_ = xmlName.split('.')[1]if temp2_ != 'xml':continueif temp2!=temp1:       #判断图片名与xml名是否相同continueelse:              #不同的话 开始读取xml坐标信息img_path = os.path.join(imgs_path, imgName)xml_path = os.path.join(xmls_path, xmlName)img = cv.imread(img_path)labelled = imgroot = ET.parse(xml_path).getroot()for obj in root.iter('object'):bbox = obj.find('bndbox')xmin = int(bbox.find('xmin').text.strip())ymin = int(bbox.find('ymin').text.strip())xmax = int(bbox.find('xmax').text.strip())ymax = int(bbox.find('ymax').text.strip())labelled = cv.rectangle(labelled, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2)cv.imwrite(out_path + '\\' +imgName, labelled)breakelse:  # 若xml个数小于图片个数，从xml里面找与图片匹配的。下面操作与上面差不多print("标记点2")for xmlName in xmls_list:temp1 = xmlName.split('.')[0]temp1_ = xmlName.split('.')[1]if temp1_ != 'xml':continuefor imgName in imgs_list:temp2 = imgName.split('.')[0]temp2_ = imgName.split('.')[1]  # 图片后缀if temp2_ != 'png':continueif temp2 != temp1:continueelse:img_path = os.path.join(imgs_path, imgName)xml_path = os.path.join(xmls_path, xmlName)img = cv.imread(img_path)labelled = imgroot = ET.parse(xml_path).getroot()for obj in root.iter('object'):bbox = obj.find('bndbox')xmin = int(bbox.find('xmin').text.strip())ymin = int(bbox.find('ymin').text.strip())xmax = int(bbox.find('xmax').text.strip())ymax = int(bbox.find('ymax').text.strip())labelled = cv.rectangle(labelled, (xmin, ymin), (xmax, ymax), (0, 0, 255), 1)print(out_path + imgName)cv.imwrite(out_path + imgName, labelled)break
if __name__ == '__main__':imgs_path = r'./A/'  #图片路径xmls_path = r'./B_xml/' #xml路径retangele_img_path = './pic_out/' #保存画框的路径xml_to_jpg(imgs_path, xmls_path, retangele_img_path)

目标检测 - 如何在图片中标记Annotations中的坐标信息？相关推荐

深度学习论文阅读目标检测篇（七）中英对照版：YOLOv4《Optimal Speed and Accuracy of Object Detection》
深度学习论文阅读目标检测篇(七)中英对照版:YOLOv4<Optimal Speed and Accuracy of Object Detection> Abstract 摘要 1. In ...
深度学习论文阅读目标检测篇（五）中英对照版：YOLOv2《 YOLO9000: Better, Faster, Stronger》
深度学习论文阅读目标检测篇(五)中文版:YOLOv2< YOLO9000: Better, Faster, Stronger> Abstract 摘要 1. Introduction 1. ...
红外小目标：基于深度学习的红外小目标检测研究方法(持续更新中)
深度学习红外小目标研究现状_2021.7.6更新 2019年 TBC-Net(TBC-Net: A real-time detector for infrared small target detec ...
旋转目标检测综述（持续更新中）
文章目录前言(所有检测模型) 四.R^2CNN(17年) 1.表示方法 2.亮点一:增加anchor 3.亮点二:增加多尺度的ROIPooling.斜框FC 4.亮点三:斜NMS 5.损失函数.实验 ...
目标检测之Loss：FasterRCNN中的SmoothL1Loss
多任务损失(来自Fast R-CNN) multi-task数据结构 Fast R-CNN网络有两个同级输出层(cls score和bbox_prdict层),都是全连接层,称为multi-task ...
【深度学习】什么是目标检测中的平均精度均值(mAP)？
计算机视觉界已经集中在度量 mAP 上,来比较目标检测系统的性能.在这篇文章中,我们将深入了解平均精度均值 (mAP) 是如何计算的,以及为什么 mAP 已成为目标检测的首选指标. 目标检测的快速概述 ...
2021综述：一般目标检测中的遮挡处理
目录综述:通用对象检测中的遮挡处理 1.简介 2.目标检测的应用 3.数据集 4.户外场景的遮挡处理 A.数据收集 B.遮挡检测 C.生成遮挡区域 D.遮挡目标检测 5.室内场景中的遮挡处理 A.场 ...
什么是目标检测中的平均精度均值(mAP)？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达计算机视觉界已经集中在度量 mAP 上,来比较目标检测系统的性能. ...
深度神经网络在基于视觉的目标检测中的应用
简介: 目标检测是计算机视觉的一个重要应用方向,深度神经网络的提出极大地帮助基于视觉的目标检测提高了准确度.自2014年以来,深度神经网络在基于视觉的目标检测中被广泛应用,出现了多种算法.本文分别讨 ...

目标检测 - 如何在图片中标记Annotations中的坐标信息？

目标检测 - 如何在图片中标记Annotations中的坐标信息？相关推荐

最新文章

热门文章