使用python PIL库读取MSCOCO的bounding box

这里使用的是MSCOCO里annotations_trainval2017里的数据集，因为是比较大的json文件，为方便查阅，我们用spdyer将其打开。

with open(path+'/'+filename_arr[2]+'.json') as f:
    instances_train = json.load(f)
with open(path + '/' + filename_arr[3] + '.json') as f:
    instances_val = json.load(f)

运行完后会在右上角像matlab一样显示出变量，如下图

可以看到instances_train就是训练集的数据，是一个字典，双击就可以看到字典里的元素，结果如下图中的左上。其中annotations是对图片中物体标注的数据集，categories是所有物体的分类集，images是原始图片的信息，info是mscoco的信息，licenses就是法律方面相关的东西了。

我们打开annotations得到图中右上的结构，其中每一条代表图中一个物体的信息，打开其中一条得到上图中最下面的结构。里面的bbox就是bounding box，括号里面分别是（x, y, width, height）,（x,y）是bbox左上角的坐标，width,height分别是bbox的宽和高。categories_id是物体种类的id，每个id是什么物体可以上一个表中categories里查到。image_id就是原始图片的id，这个id和下载的图片的名称是相对应的。

在了解完数据后，就要开始使用了。这里是使用bbox来做图像识别，用神经网络来进行训练。首先我们要根据bbox来得到对应方框的像素值。这里我们使用PIL库。安装方法： pip install Pillow
首先读入数据:

im = Image.open(filepath)

然后我们主要使用crop(left, up, right, lower)方法，它是对图像特定区域进行裁剪。注意它的参数和bbox里的值含义不同，left是指bbox左边距整个图像左边的距离，up是指bbox上沿距图像顶端的距离，其他两个类似。所以在传参时如下：

region = im.crop(x, y, x+width, y+height)
data = region.getdata()

然后再用getdata()函数获取的像素矩阵，然后合成成自己的神经网络所需要的输入形式。
这篇文章到这里就结束了。