标签：转换 .. image txt2json json bbox 格式 txt id

txt2.json.py

import mmcv
import os.path as osp
import os


def convert_txt_to_json(ann_file, out_file, image_prefix):
    """
    Args:
        ann_file: 标注文件 如：train.txt 里面保存了所有的训练图片（标签）文件名 如：20210819B000001
        out_file: 输出json格式文件名 这里根据自己的数据集位置做调整 如：../../../datasets/pest/jsons/val.json
        img_prefix: 数据集图片存放地址 这里根据自己的数据集位置做调整 如：../../../datasets/pest/images
    Returns:
    """
    json_path = os.path.abspath(os.path.join(out_file, ".."))  # json目录
    if os.path.exists(json_path) is False:  # 没有就新建
        os.makedirs(json_path)
    image_list = mmcv.list_from_file(ann_file)  # 读取txt文件中所有数据 按行读取

    image_id = 1  # 图片初始id
    annotation_id = 1  # 标注文件初始id

    coco_output = {
        "images": [],  # 存放所有图片信息
        "categories": [],  # 存放数据集类别信息
        "annotations": []  # 存放所有标注文件信息
    }

    categories = [
        {'id': 0, 'name': 'powdery_mildew'},
        {'id': 1, 'name': 'leaf_miner'},
        {'id': 2, 'name': 'anthracnose'},
    ]

    coco_output['categories'] = categories

    # mmcv.track_iter_progress：进度条
    for idx, img_name in enumerate(mmcv.track_iter_progress(image_list)):
        filename = f'{image_prefix}/{img_name}.jpg'  # 当前image图片地址
        image = mmcv.imread(filename)  # 读取当前图片
        height, width = image.shape[:2]  # 取得当前图片高、宽信息
        # 当前图片信息
        image_dict = {
            "file_name": f'{img_name}.jpg',
            "height": height,
            "width": width,
            "id": image_id,
        }
        # 将当前图片信息加入到coco_output中
        coco_output['images'].append(image_dict)

        # 读取当前图片对应的标注信息 并处理
        label_prefix = image_prefix.replace('images', 'labels')  # 获得当前图片对应的label文件地址
        lines = mmcv.list_from_file(osp.join(label_prefix, f'{img_name}.txt'))  # 读取当前label文件(txt格式）
        content = [line.strip().split(' ') for line in lines]
        category_ids = [x[0] for x in content]  # 获取当前label中所有object的类别
        bboxes = [[float(info) for info in x[1:]] for x in content]  # 获取当前label中所有object的bbox位置信息

        # 遍历当前图片的所有object
        for category_id, bbox in zip(category_ids, bboxes):
            # 更新bbox  xywh(normalization and float) -> xywh(no normalization and int)
            bbox[0] = int(bbox[0] * width)
            bbox[1] = int(bbox[1] * height)
            bbox[2] = int(bbox[2] * width)
            bbox[3] = int(bbox[3] * height)
            ann_dict = {
                "id": annotation_id,
                "image_id": image_id,
                "category_id": int(category_id),
                "bbox": bbox,
                "area": float(bbox[2]) * float(bbox[3]),
                "iscrowd": 0,
            }
            coco_output["annotations"].append(ann_dict)  # 更新当前图片的object label信息
            annotation_id += 1  # label id+1
        image_id += 1  # 图片id+1
    mmcv.dump(coco_output, out_file)  # 保存train.json or val.json or test.json to out_file

if __name__ == '__main__':
    convert_txt_to_json('../../../datasets/pest/imagesets/train.txt',
                        '../../../datasets/pest/jsons/train.json',
                        '../../../datasets/pest/images')
    convert_txt_to_json('../../../datasets/pest/imagesets/val.txt',
                        '../../../datasets/pest/jsons/val.json',
                        '../../../datasets/pest/images')
    convert_txt_to_json('../../../datasets/pest/imagesets/test.txt',
                        '../../../datasets/pest/jsons/test.json',
                        '../../../datasets/pest/images')

转换前数据集文件格式：

转换后数据集文件格式：

标签：转换,..,image,txt2json,json,bbox,格式,txt,id
来源： https://blog.csdn.net/qq_38253797/article/details/120923885

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。