数据集制作之txt转xml

问题描述：

• 现有images图片，txt文件包含四种类别bounding box 坐标，需要将txt中两种类别坐标提取出来并转化成xml文件。
• images文件夹中有18184张图片，txt文件夹中只有16907个txt文件（即有一千多张图片是没有标注的，需要将这些图片删除）

# ! /usr/bin/python
# -*- coding:UTF-8 -*-
import os, sys
import glob
from PIL import Image
# 图像存储位置
src_img_dir = "./1028data/images"
# 图像的 ground truth 的 txt 文件存放位置
src_txt_dir = "./1028data/annotations"
# 生成xml文件存放位置
src_xml_dir = "./1028data/xml"

img_Lists = glob.glob(src_img_dir + '/*.jpg')
img_basenames = []  # e.g. 100.jpg
for item in img_Lists:
    img_basenames.append(os.path.basename(item))
img_names = []  # e.g. 100
for item in img_basenames:
    temp1, temp2 = os.path.splitext(item)
    img_names.append(temp1)

for img in img_names:
    im = Image.open((src_img_dir + '/' + img + '.jpg'))
    width, height = im.size  #xml文件中需要width和height信息，这里通过Image库计算出来
    # open the corresponding txt file，由于图片数量和txt数量不一致，所以对于有些图片，没有对应的txt文件，所以这边要用try
    try:
        gt = open(src_txt_dir + '/' + img + '.txt').read().splitlines() #把txt文件里每一行提取出来，我的txt有两行
    except:
        continue  #跳过这次循环，进入下一张图片循环

    # write in xml file
    # os.mknod(src_xml_dir + '/' + img + '.xml')
    xml_file = open((src_xml_dir + '/' + img + '.xml'), 'w')
    xml_file.write('\n')
    xml_file.write('    VOC2007\n')
    xml_file.write('    ' + str(img) + '.jpg' + '\n')
    xml_file.write('    \n')
    xml_file.write('        ' + str(width) + '\n')
    xml_file.write('        ' + str(height) + '\n')
    xml_file.write('        3\n')
    xml_file.write('    \n')

    # write the region of image on xml file
    num_obj = int(gt[0])
    print('num_obj: ',num_obj)
    # assert 0
    for i in range(num_obj):
        i += 1

        spt = gt[i].split(' ')  # 这里如果txt里面是以逗号‘，’隔开的，那么就改为spt = img_each_label.split(',')。
       
        xml_file.write('    \n')

        xml_file.write('    \n')
    xml_file.write('')
    print('finish {}'.format(img))

将images文件夹中与txt不匹配的图片删去，遍历txt文件夹，将对应的images复制到另一个文件夹中（这个方法有点笨）

# ! /usr/bin/python
# -*- coding:UTF-8 -*-
import os,shutil
import glob
from PIL import Image

src_img_dir = "./1028data/images"
#  图像的 ground truth 的 txt 文件存放位置
src_txt_dir = "./1028data/annotations"
src_xml_dir = "./1028data/xml"
# 新的images文件夹
topath = './1028data/new'

xml_Lists = glob.glob(src_xml_dir + '/*.xml')
print(xml_Lists)

xml_basenames = []
for items in xml_Lists:
    xml_basenames.append(os.path.basename(items))
print(xml_basenames)

xml_names = []
for items in xml_basenames:
    temp1, temp2 = os.path.splitext(items)
    xml_names.append(temp1)
#
print('xml_names',xml_names)
for xml in xml_names:
    print('xml:',xml)
    # raw_img = Image.open(src_img_dir + '/' + xml + '.jpg')
    try:
        #raw_img = Image.open(src_img_dir + '/' + xml + '.jpg')
        #print('open {}'.format(raw_img))
        shutil.copy(src_img_dir + '/' + xml + '.jpg', topath + '/' +xml+ '.jpg')  #主要就是这句起复制图片作用
    except:
        continue