VOC格式xml标签与YOLO格式txt标签相互转换

淩亂°似流年 2022-09-11 00:13 249阅读 0赞

转自：[LabelImg标注的VOC格式xml标签与YOLO格式txt标签相互转换\_wangmj\_hdu的博客-CSDN博客][LabelImg_VOC_xml_YOLO_txt_wangmj_hdu_-CSDN]

### 1、VOC标签格式说明 ###

VOC数据格式，会直接把每张图片标注的标签信息保存到一个xml文件中。

例如我在做仓储托盘检测的时候，需要对图片中的托盘进行标注，标注的标签信息会保存到一个跟图片对应的xml文件中（每张图片与每个xml文件一一对应），xml中的信息如下：

<annotation>
    	<folder>Images</folder>
    	<filename>1.jpg</filename>
    	<path>/home/wangmj/pallet_data/Images/1.jpg</path>
    	<source>
    		<database>Unknown</database>
    	</source>
    	<size>
    		<width>1920</width>
    		<height>1080</height>
    		<depth>3</depth>
    	</size>
    	<segmented>0</segmented>
    	<object>
    		<name>forklift_pallet</name>
    		<pose>Unspecified</pose>
    		<truncated>0</truncated>
    		<difficult>0</difficult>
    		<bndbox>
    			<xmin>437</xmin>
    			<ymin>557</ymin>
    			<xmax>1230</xmax>
    			<ymax>660</ymax>
    		</bndbox>
    	</object>
    </annotation>

xml文件中的关键信息说明：

1.jpg，这是图片名称，则xml文件名为1.xml；  
    /home/wangmj/pallet\_data/Images/1.jpg，这是存放该图片的绝对路径；  
    1920 \* 1080，这是图片分辨率，3代表三通道图片；  
    forklift\_pallet，这是类别名；  
    xmin，ymin，xmax，ymax，定义了每个目标的标定框坐标：即左上角的坐标和右下角的坐标；

**2、YOLO标签格式说明**

YOLO标签格式，会直接把每张图片标注的标签信息保存到一个txt文件中。

我的图片名称为1.jpg，则对应的txt文件名称为1.txt。

同样例如我在做仓储托盘检测的时候，需要对图片中的托盘进行标注，标注的标签信息会保存到一个跟图片对应的txt文件中，txt中的信息如下：

0 0.433594 0.562037 0.409896 0.092593

txt文件中的关键信息说明：

每一行代表标注的一个目标，我这张图中只标注了一个目标，所以只有一行；  
    第一个数字0代表标注目标的类别；  
    后面四个数字代表标注框的中心坐标和标注框的相对宽和高（进行了归一化处理）；  
    五个数据从左到右依次为：class x\_center y\_center width height

同时还会生成一个classes.txt，里面内容如下：

forklift_pallet

注意这个是分类的类型，需要在后面的yolo转voc\_xml时根据自己的类型种类进行更改

3、voc格式转化为yolo格式

标注好的voc格式的标签xml文件，主要信息为：

1.jpg，这是图片名称；  
    /home/wangmj/pallet\_data/Images/1.jpg，这是存放该图片的绝对路径；  
    1920 \* 1080，这是图片分辨率，3代表三通道图片；  
    forklift\_pallet，这是类别名；  
    xmin，ymin，xmax，ymax，定义了每个目标的标定框坐标：即左上角的坐标和右下角的坐标；  
例如下面一张图：

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCPTWFya0s_size_20_color_FFFFFF_t_70_g_se_x_16][]

原图大小为1920 \* 1080  
    紫色框代表标注物体的框，紫色框的左上角的坐标为（xmin，ymin）=（372，518），右下角的坐标为（xmax，ymax）=（1344，674）

voc\_to\_yolo.py的目的就是把voc数据格式转换为yolo格式：

voc格式标签：图片的实际宽高，标注框的左上角和右下角坐标；  
    yolo格式标签：标注框的中心坐标（归一化），标注框的宽和高（归一化）。

voc格式转换为yolo格式计算公式：

框中心的实际坐标（x，y），一般可能还会在后面减1

![20210910083055849.png][]

归一化以后的中心坐标（x，y）

![20210910083105318.png][]

框的高和宽（归一化后）

![20210910083126414.png][]

voc格式的xml标签文件转化yolo格式的txt标签文件代码：voc\_to\_yolo.py

import xml.etree.ElementTree as ET
    import pickle
    import os
    from os import listdir, getcwd
    from os.path import join
    
    def convert(size, box):
        # size=(width, height)  b=(xmin, xmax, ymin, ymax)
        # x_center = (xmax+xmin)/2        y_center = (ymax+ymin)/2
        # x = x_center / width            y = y_center / height
        # w = (xmax-xmin) / width         h = (ymax-ymin) / height
        
        x_center = (box[0]+box[1])/2.0
        y_center = (box[2]+box[3])/2.0
        x = x_center / size[0]
        y = y_center / size[1]
    
        w = (box[1] - box[0]) / size[0]
        h = (box[3] - box[2]) / size[1]
     
        # print(x, y, w, h)
        return (x,y,w,h)
    
    def convert_annotation(xml_files_path, save_txt_files_path, classes):  
        xml_files = os.listdir(xml_files_path)
        # print(xml_files)
        for xml_name in xml_files:
            # print(xml_name)
            xml_file = os.path.join(xml_files_path, xml_name)
            out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
            out_txt_f = open(out_txt_path, 'w')
            tree=ET.parse(xml_file)
            root = tree.getroot()
            size = root.find('size')
            w = int(size.find('width').text)
            h = int(size.find('height').text)
    
            for obj in root.iter('object'):
                difficult = obj.find('difficult').text
                cls = obj.find('name').text
                if cls not in classes or int(difficult) == 1:
                    continue
                cls_id = classes.index(cls)
                xmlbox = obj.find('bndbox')
                b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
                # b=(xmin, xmax, ymin, ymax)
                # print(w, h, b)
                bb = convert((w,h), b)
                out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
    
    
    if __name__ == "__main__":
        # 把forklift_pallet的voc的xml标签文件转化为yolo的txt标签文件
        # 1、需要转化的类别
        classes = ['forklift_pallet']#注意：这里根据自己的类别名称及种类自行更改
        # 2、voc格式的xml标签文件路径
        xml_files1 = r'/home/wangmj/pallet_data/Annotations'
        # 3、转化为yolo格式的txt标签文件存储路径
        save_txt_files1 = r'/home/wangmj/pallet_data/test'
    
        convert_annotation(xml_files1, save_txt_files1, classes)

![20210910083009242.png][]

### 4、yolo格式转化为voc格式 ###

voc格式中保存的信息为：xmin，ymin，xmax，ymax，所以只要根据上面的公式，就可以推导出这四个值。

yolo格式的txt标签文件转化voc格式的xml标签文件代码：yolo\_to\_voc.py

import os
    import xml.etree.ElementTree as ET
    from xml.dom.minidom import Document
    import cv2
    
    '''
    import xml
    xml.dom.minidom.Document().writexml()
    def writexml(self,
                 writer: Any,
                 indent: str = "",
                 addindent: str = "",
                 newl: str = "",
                 encoding: Any = None) -> None
    '''
    
    class YOLO2VOCConvert:
        def __init__(self, txts_path, xmls_path, imgs_path):
            self.txts_path = txts_path   # 标注的yolo格式标签文件路径
            self.xmls_path = xmls_path   # 转化为voc格式标签之后保存路径
            self.imgs_path = imgs_path   # 读取读片的路径各图片名字，存储到xml标签文件中
            '''#注意：这里根据自己的类别名称及种类自行更改'''
            self.classes = ['forklift_pallet']#注意：这里根据自己的类别名称及种类自行更改
    
        # 从所有的txt文件中提取出所有的类别， yolo格式的标签格式类别为数字 0,1,...
        # writer为True时，把提取的类别保存到'./Annotations/classes.txt'文件中
        def search_all_classes(self, writer=False):
            # 读取每一个txt标签文件，取出每个目标的标注信息
            all_names = set()
            txts = os.listdir(self.txts_path)
            # 使用列表生成式过滤出只有后缀名为txt的标签文件
            txts = [txt for txt in txts if txt.split('.')[-1] == 'txt']
            print(len(txts), txts)
            # 11 ['0002030.txt', '0002031.txt', ... '0002039.txt', '0002040.txt']
            for txt in txts:
                txt_file = os.path.join(self.txts_path, txt)
                with open(txt_file, 'r') as f:
                    objects = f.readlines()
                    for object in objects:
                        object = object.strip().split(' ')
                        print(object)  # ['2', '0.506667', '0.553333', '0.490667', '0.658667']
                        all_names.add(int(object[0]))
                # print(objects)  # ['2 0.506667 0.553333 0.490667 0.658667\n', '0 0.496000 0.285333 0.133333 0.096000\n', '8 0.501333 0.412000 0.074667 0.237333\n']
    
            print("所有的类别标签：", all_names, "共标注数据集：%d张" % len(txts))
    
            return list(all_names)
    
        def yolo2voc(self):
            # 创建一个保存xml标签文件的文件夹
            if not os.path.exists(self.xmls_path):
                os.mkdir(self.xmls_path)
    
            # 把上面的两个循环改写成为一个循环：
            imgs = os.listdir(self.imgs_path)
            txts = os.listdir(self.txts_path)
            txts = [txt for txt in txts if not txt.split('.')[0] == "classes"]  # 过滤掉classes.txt文件
            print(txts)
            # 注意，这里保持图片的数量和标签txt文件数量相等，且要保证名字是一一对应的   (后面改进，通过判断txt文件名是否在imgs中即可)
            if len(imgs) == len(txts):   # 注意：./Annotation_txt 不要把classes.txt文件放进去
                map_imgs_txts = [(img, txt) for img, txt in zip(imgs, txts)]
                txts = [txt for txt in txts if txt.split('.')[-1] == 'txt']
                print(len(txts), txts)
                for img_name, txt_name in map_imgs_txts:
                    # 读取图片的尺度信息
                    print("读取图片：", img_name)
                    img = cv2.imread(os.path.join(self.imgs_path, img_name))
                    height_img, width_img, depth_img = img.shape
                    print(height_img, width_img, depth_img)   # h 就是多少行（对应图片的高度）， w就是多少列（对应图片的宽度）
    
                    # 获取标注文件txt中的标注信息
                    all_objects = []
                    txt_file = os.path.join(self.txts_path, txt_name)
                    with open(txt_file, 'r') as f:
                        objects = f.readlines()
                        for object in objects:
                            object = object.strip().split(' ')
                            all_objects.append(object)
                            print(object)  # ['2', '0.506667', '0.553333', '0.490667', '0.658667']
    
                    # 创建xml标签文件中的标签
                    xmlBuilder = Document()
                    # 创建annotation标签，也是根标签
                    annotation = xmlBuilder.createElement("annotation")
    
                    # 给标签annotation添加一个子标签
                    xmlBuilder.appendChild(annotation)
    
                    # 创建子标签folder
                    folder = xmlBuilder.createElement("folder")
                    # 给子标签folder中存入内容，folder标签中的内容是存放图片的文件夹，例如：JPEGImages
                    folderContent = xmlBuilder.createTextNode(self.imgs_path.split('/')[-1])  # 标签内存
                    folder.appendChild(folderContent)  # 把内容存入标签
                    annotation.appendChild(folder)   # 把存好内容的folder标签放到 annotation根标签下
    
                    # 创建子标签filename
                    filename = xmlBuilder.createElement("filename")
                    # 给子标签filename中存入内容，filename标签中的内容是图片的名字，例如：000250.jpg
                    filenameContent = xmlBuilder.createTextNode(txt_name.split('.')[0] + '.jpg')  # 标签内容
                    filename.appendChild(filenameContent)
                    annotation.appendChild(filename)
    
                    # 把图片的shape存入xml标签中
                    size = xmlBuilder.createElement("size")
                    # 给size标签创建子标签width
                    width = xmlBuilder.createElement("width")  # size子标签width
                    widthContent = xmlBuilder.createTextNode(str(width_img))
                    width.appendChild(widthContent)
                    size.appendChild(width)   # 把width添加为size的子标签
                    # 给size标签创建子标签height
                    height = xmlBuilder.createElement("height")  # size子标签height
                    heightContent = xmlBuilder.createTextNode(str(height_img))  # xml标签中存入的内容都是字符串
                    height.appendChild(heightContent)
                    size.appendChild(height)  # 把width添加为size的子标签
                    # 给size标签创建子标签depth
                    depth = xmlBuilder.createElement("depth")  # size子标签width
                    depthContent = xmlBuilder.createTextNode(str(depth_img))
                    depth.appendChild(depthContent)
                    size.appendChild(depth)  # 把width添加为size的子标签
                    annotation.appendChild(size)   # 把size添加为annotation的子标签
    
                    # 每一个object中存储的都是['2', '0.506667', '0.553333', '0.490667', '0.658667']一个标注目标
                    for object_info in all_objects:
                        # 开始创建标注目标的label信息的标签
                        object = xmlBuilder.createElement("object")  # 创建object标签
                        # 创建label类别标签
                        # 创建name标签
                        imgName = xmlBuilder.createElement("name")  # 创建name标签
                        imgNameContent = xmlBuilder.createTextNode(self.classes[int(object_info[0])])
                        imgName.appendChild(imgNameContent)
                        object.appendChild(imgName)  # 把name添加为object的子标签
    
                        # 创建pose标签
                        pose = xmlBuilder.createElement("pose")
                        poseContent = xmlBuilder.createTextNode("Unspecified")
                        pose.appendChild(poseContent)
                        object.appendChild(pose)  # 把pose添加为object的标签
    
                        # 创建truncated标签
                        truncated = xmlBuilder.createElement("truncated")
                        truncatedContent = xmlBuilder.createTextNode("0")
                        truncated.appendChild(truncatedContent)
                        object.appendChild(truncated)
    
                        # 创建difficult标签
                        difficult = xmlBuilder.createElement("difficult")
                        difficultContent = xmlBuilder.createTextNode("0")
                        difficult.appendChild(difficultContent)
                        object.appendChild(difficult)
    
                        # 先转换一下坐标
                        # (objx_center, objy_center, obj_width, obj_height)->(xmin，ymin, xmax,ymax)
                        x_center = float(object_info[1])*width_img + 1
                        y_center = float(object_info[2])*height_img + 1
                        xminVal = int(x_center - 0.5*float(object_info[3])*width_img)   # object_info列表中的元素都是字符串类型
                        yminVal = int(y_center - 0.5*float(object_info[4])*height_img)
                        xmaxVal = int(x_center + 0.5*float(object_info[3])*width_img)
                        ymaxVal = int(y_center + 0.5*float(object_info[4])*height_img)
    
                        # 创建bndbox标签(三级标签)
                        bndbox = xmlBuilder.createElement("bndbox")
                        # 在bndbox标签下再创建四个子标签(xmin，ymin, xmax,ymax) 即标注物体的坐标和宽高信息
                        # 在voc格式中，标注信息：左上角坐标（xmin, ymin） （xmax, ymax）右下角坐标
                        # 1、创建xmin标签
                        xmin = xmlBuilder.createElement("xmin")  # 创建xmin标签（四级标签）
                        xminContent = xmlBuilder.createTextNode(str(xminVal))
                        xmin.appendChild(xminContent)
                        bndbox.appendChild(xmin)
                        # 2、创建ymin标签
                        ymin = xmlBuilder.createElement("ymin")  # 创建ymin标签（四级标签）
                        yminContent = xmlBuilder.createTextNode(str(yminVal))
                        ymin.appendChild(yminContent)
                        bndbox.appendChild(ymin)
                        # 3、创建xmax标签
                        xmax = xmlBuilder.createElement("xmax")  # 创建xmax标签（四级标签）
                        xmaxContent = xmlBuilder.createTextNode(str(xmaxVal))
                        xmax.appendChild(xmaxContent)
                        bndbox.appendChild(xmax)
                        # 4、创建ymax标签
                        ymax = xmlBuilder.createElement("ymax")  # 创建ymax标签（四级标签）
                        ymaxContent = xmlBuilder.createTextNode(str(ymaxVal))
                        ymax.appendChild(ymaxContent)
                        bndbox.appendChild(ymax)
    
                        object.appendChild(bndbox)
                        annotation.appendChild(object)  # 把object添加为annotation的子标签
                    f = open(os.path.join(self.xmls_path, txt_name.split('.')[0]+'.xml'), 'w')
                    xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')
                    f.close()
    
    if __name__ == '__main__':
        # 把yolo的txt标签文件转化为voc格式的xml标签文件
        # yolo格式txt标签文件相对路径
        txts_path1 = './test_txt'
        # 转化为voc格式xml标签文件存储的相对路径
        xmls_path1 = './test_xml'
        # 存放图片的相对路径
        imgs_path1 = './Images'
    
        yolo2voc_obj1 = YOLO2VOCConvert(txts_path1, xmls_path1, imgs_path1)
        labels = yolo2voc_obj1.search_all_classes()
        print('labels: ', labels)
        yolo2voc_obj1.yolo2voc()

[LabelImg_VOC_xml_YOLO_txt_wangmj_hdu_-CSDN]: https://blog.csdn.net/wangmj_hdu/article/details/116991703
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5bCPTWFya0s_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220829/4c81aaa21db2487a98f1637c5175c2cb.png
[20210910083055849.png]: /images/20220829/a8fc961488bf425db32eb5a50e910cfc.png
[20210910083105318.png]: /images/20220829/10d1df7e6bcf43378950a444b5f22a24.png
[20210910083126414.png]: /images/20220829/2c190d248a11472a8953fe8d9aec8667.png
[20210910083009242.png]: /images/20220829/583ad6054c4c4598a460bfdce50861fe.png