VOC格式数据集操作类构建-2.统计数据集各类别标签数目和剪裁图像中标注框并保存图片

总目标：建立VOC格式数据集类以及操作内置函数

github项目地址(附有使用说明书)：

https://github.com/A-mockingbird/VOCtype-datasetOperation

Day2.统计数据集各类别标签数目和剪裁图像中标注框并保存

1.统计数据集各类别标签数目

使用之前写好的解析代码，对每个xml及xml中每个标注框信息遍历

记录不同类别出现的次数，并保存再字典中

    def _Countobject(self, annofile=None):
        """
        Count the label numbers of every class, and print it
        Precondition: annofile-the direction of xml file
        """
        if annofile == None:
            annofile = self.dataset_anno
        #获取数据集中全部xml文件解析数据
        annoparse = self._ParseAnnos(annofile)
        #建立空字典，用于存储
        count = {}
        #对存储每个xml文件标注信息的字典进行遍历
        for anno in annoparse:
            #对单个xml文件中每个标注框信息进行遍历
            for obj in anno['info']:
                #检测标注类别是否第一次出现，若第一次出现则设置其数目为0；
                #否则计数逐次加1
                if obj[0] in count:
                    count[obj[0]] +=1
                else:
                    count[obj[0]] = 1
        #输出每个类别的统计数目
        for c in count.items():
            print("{}: {}".format(c[0], c[1]))
        #返回一个字典，{'类别名称': 数目, ...}
        return count

 

2.剪裁标注框并将图片保存

先获取数据集全部标注框信息，再遍历图片中每一个标注框，剪裁并保存

需加载的库: import matplotlib.pyplot as plt

                    import numpy as np

                    from PIL import Image

    def _Crop(self, imgdir, cropdir, annos=None):
        """
        To crop all the box region of object in dataset
        """
        if annos == None:
            annos = self._ParseAnnos()
        #获取全部xml文件数目
        total = len(annos)
        #遍历数据集解析数据，及对每一个xml文件的字典存储数据遍历
        for num, annotation in enumerate(annos):
            #获取xml文件名
            annofile = annotation['file']
            if os.path.exists(imgdir+annofile[:-4]+'.jpg') == False:
                raise FileNotFoundError
            #打开图片
            pil_im = Image.open(imgdir+annofile[:-4]+'.jpg') 
            #对xml文件中的标注框遍历
            for i, obj in enumerate(annotation['info']):
                #获取类别名称
                obj_class = obj[0]
                #获取坐标信息
                obj_box = tuple(obj[1:5])
                #创建各类别的存储文件夹
                if os.path.exists(cropdir+obj_class) == False:
                    os.mkdir(cropdir+obj_class)
                #剪裁标注框
                region = pil_im.crop(obj_box)
                #将numpy的数组格式转化为pil图像格式
                pil_region = Image.fromarray(np.uint8(region))
                #保存剪裁后的图片
                pil_region.save(os.path.join(cropdir+obj_class, 
                                annofile[:-4]+'_'+str(i)+'.jpg'))
            #记录程序进度，显示(打印)进度条
            process = int(num*100 / total)
            s1 = "\r%d%%[%s%s]"%(process,"*"*process," "*(100-process))
            s2 = "\r%d%%[%s]"%(100,"*"*100)
            sys.stdout.write(s1)
            sys.stdout.flush()
        sys.stdout.write(s2)
        sys.stdout.flush()
        print('')
        print("crop is completed!")