本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,,版权归原作者所有，如有问题请及时联系我们以作处理
作者：Gendan
原文https://segmentfault.com/a/1190000038690313
想要获取更多Python学习资料，了解更多关于Python的知识，可以加Q群630390733踊跃发言，大家一起来学习讨论吧！
因为想用yolov5算法训练自己数据集识别数字“0-9”，一开始用labeling标注了图片，生成了大量的xml文件。因为图片中0，1比较多，而其他数字偏少，标注到后面，就忽略了大量的0，1。后面发现，漏标注会导致训练时把目标识别成背景，严重影响算法识别的准确性。然后，我也不想重新去标注图片了，就想着写个Python程序根据xml文件，按照标注框，把目标都裁剪出来。
1、裁剪图片
首先是根据xml文件把对应标注图片，按标注框，裁剪出来。我在的基础上实现了裁剪图片按类别保存到对应文件夹里面，并在该类别下按顺序编号
导入模块import cv2import xml.etree.ElementTree as ETimport osfrom pathlib import Pathimport numpy as npimport random
原图片、标签文件、裁剪图片路径
img_path = r'D:yolov5-3.1cutc_1'
xml_path = r'D:yolov5-3.1cutxml'
obj_img_path = r'D:yolov5-3.1cutc_3'
声明一个空字典用于储存裁剪图片的类别及其数量
Numpic = {}
把原图片裁剪后，按类别新建文件夹保存，并在该类别下按顺序编号for img_file in os.listdir(img_path):
if img_file[-4:] in ['.png', '.jpg']: # 判断文件是否为图片格式
img_filename = os.path.join(img_path, img_file) # 将图片路径与图片名进行拼接
img_cv = cv2.imread(img_filename) # 读取图片
img_name = (os.path.splitext(img_file)[0]) # 分割出图片名，如“000.png” 图片名为“000”
xml_name = xml_path + '' + '%s.xml' % img_name # 利用标签路径、图片名、xml后缀拼接出完整的标签路径名
if os.path.exists(xml_name): # 判断与图片同名的标签是否存在，因为图片不一定每张都打标
root = ET.parse(xml_name).getroot() # 利用ET读取xml文件
for obj in root.iter('object'): # 遍历所有目标框
name = obj.find('name').text # 获取目标框名称，即label名
xmlbox = obj.find('bndbox') # 找到框目标
x0 = xmlbox.find('xmin').text # 将框目标的四个顶点坐标取出
y0 = xmlbox.find('ymin').text
x1 = xmlbox.find('xmax').text
y1 = xmlbox.find('ymax').text
obj_img = img_cv[int(y0):int(y1), int(x0):int(x1)] # cv2裁剪出目标框中的图片
Numpic.setdefault(name, 0) # 判断字典中有无当前name对应的类别，无则新建
Numpic[name] += 1 # 当前类别对应数量 + 1
my_file = Path(obj_img_path + '' + name) # 判断当前name对应的类别有无文件夹
if 1 - my_file.is_dir(): # 无则新建
os.mkdir(obj_img_path + '' + str(name))
cv2.imwrite(obj_img_path + '' + name + '' + '%04d' % (Numpic[name]) + '.jpg',
obj_img) # 保存裁剪图片，图片命名4位，不足补0
2、图片扩容
只是把标注框裁剪出来，跟单网gendan5.com还会有一个问题就是，每个类别的数量不一致，0，1的图片多，其他数字少，作为训练集可能不太好。我想，要是每个类别的图片数量都一致就好了。于是我继续把裁剪图片进行扩容，这里只是通过给图片增加噪点来扩容。
新建一个图片加噪点的函数
def random_noise(image,noise_num):
img_noiseimg = cv2.imread(image) # 读取图片
ows, cols, chn = img_noise.shape
for i in range(noise_num):
x = np.random.randint(0, rows)#随机生成指定范围的整数
y = np.random.randint(0, cols)
img_noise[x, y, :] = 0 # 0代表黑色，255代表白色
return img_noise
图片扩容
max_Numpic = max(Numpic.values()) # 提取裁剪图片中，类别下数量最大值for name in Numpic:# 遍历每一个类别
for i in range (Numpic[name] + 1, max_Numpic + 1):# 把其余类别的图片数量扩充到，与数量值最大的类别相等（我的数据集里面“0”这个类别数量是最多的）
Noisenum = random.randint(1, 20)# 生成随机的噪点数
Num = random.randint(1, Numpic[name])# 随机选择该类别下已存在的一个图片
Noicepic = random_noise(obj_img_path + '' + name + '' + '%04d' % Num + '.jpg', Noisenum)# 给图片加噪点
cv2.imwrite(obj_img_path + '' + name + '' + '%04d' % (i) + '.jpg', Noicepic)# 保存图片