YOLO格式转为旋转数据标注rolabelimg/labelimg2的VOC格式（集成主成分提取角度）

作者：从前慢现在也慢 | 2024-06-15 12:23:23

踩

rolabelimg

之前用labelimg标注了七十张的yolo格式数据集，但是现在要换识别的模型，需要用到带有角度的VOC格式数据集，传统VOC格式数据集包含的位置信息是（xmin, ymin, xmax, ymax），而使用rolabelimg/labelimg2标注的旋转举矩形数据集包含的位置信息是（cx, cy, w, h, angle）。

前四项cx, cy, w, h可以使用yolo提供的x_0, y_0, w_0, h_0计算得到，但是无法得到角度信息，于是使用基于主成分提取的方向校正（OpenCV）方法得到目标框的角度，然后写为VOC的XML格式。

本文共分为两部分：主成分方向提取代码和VOC格式生成代码。

1. 主成分方向提取代码(OpenCV)

我用的体系是很简单的椭圆结构，方向比较好提取，因此可以使用PCA特征提取的方法求得主方向。下面介绍参考代码的修改部分。

函数设计的思路是输入(img, cx, cy, width, height)，输出角度值，这个角度值按照下图定义，纵轴正方向开始，顺时针旋转是角度增大，一直增加到 $\text{[math]}$ ，然后到达纵轴负方向；继续逆时针旋转后角度从0开始，又增加到 $\text{[math]}$ ，直到回到纵轴正方向。

而且我需要的是短边的角度，PCA程序生成两个角度：第一、第二主成分方向，第一主成分方向就是下图长边的方向，第二主成分方向才是我需要的短边的方向，生成后发现第二主方向都是分布在一三四象限的，没有找到第二象限的方向，即角度范围在 $\text{[math]}$ ，第一象限的也很少，角度转换就很好设计了：

theta = (theta_PCA - math.pi / 2) if (theta_PCA > math.pi / 2) else (theta_PCA + math.pi / 2)

get_angle程序如下：


def get_angle(img, cx, cy, width, height):
    # 14.18 基于 PCA 的方向矫正 (OpenCV):https://blog.csdn.net/youcans/article/details/125782405
    # 必须要规定截取图像的范围，不能小于零！！！
    Pheight, Pwidth, _ = img.shape
    # 裁剪坐标为[y0:y1, x0:x1]
    #截取的左上坐标
    left_top = (max(int(cx - width / 2), 0), min(int(cy - height / 2), Pheight))
    #截取的右下坐标
    right_bottom = (max(int(cx + width / 2), 0), min(int(cy + height / 2), Pwidth))
    # 裁剪坐标为[y0:y1, x0:x1]
    img_crop = img[left_top[1]:right_bottom[1], left_top[0]:right_bottom[0]]
    # cv_show('img_crop', img_crop, True)
    gray = cv2.cvtColor(img_crop, cv2.COLOR_BGR2GRAY)
    _, binary = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
 
    # 寻找二值化图中的轮廓，检索所有轮廓，输出轮廓的每个像素点
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # OpenCV4~
    fullCnts = np.zeros(img_crop.shape[:2], np.uint8)  # 绘制轮廓函数会修改原始图像
    fullCnts = cv2.drawContours(fullCnts, contours, -1, (255, 255, 255), thickness=3)  # 绘制全部轮廓
 
    # 按轮廓的面积排序，绘制面积最大的轮廓
    cnts = sorted(contours, key=cv2.contourArea, reverse=True)  # 所有轮廓按面积排序
    cnt = cnts[0]  # 第 0 个轮廓，面积最大的轮廓，(1445, 1, 2)
    maxCnt = np.zeros(img_crop.shape[:2], np.uint8)  # 初始化最大轮廓图像
    cv2.drawContours(maxCnt, cnts[0], -1, (255, 255, 255), thickness=3)  # 仅绘制最大轮廓 cnt
 
    # 主成分分析方法提取目标的方向
    markedCnt = maxCnt.copy()
    ptsXY = np.squeeze(cnt).astype(np.float64)  # 删除维度为1的数组维度，(1445, 1, 2)->(1445, 2)
    mean, eigenvectors, eigenvalues = cv2.PCACompute2(ptsXY, np.array([]))  # (1, 2) (2, 2) (2, 1)
 
    # 绘制第一、第二主成分方向轴
    center = mean[0, :].astype(int)  # 近似作为目标的中心 [266 281]
    # e1xy = eigenvectors[0,:] * eigenvalues[0,0]  # 第一主方向轴
    e2xy = eigenvectors[1,:] * eigenvalues[1,0]  # 第二主方向轴
    # p1 = (center + 0.1*e1xy).astype(np.int)  # P1:[149 403]
    p2 = (center + 0.1*e2xy).astype(np.int)  # P2:[320 332]
    theta = np.arctan2(eigenvectors[1,1], eigenvectors[1,0])  # 第二主方向角度 133.6
    # cv2.circle(markedCnt, center, 6, 255, -1)  # 在PCA中心位置画一个圆圈  RGB
    # cv2.arrowedLine(markedCnt, center, p1, (255, 0, 0), thickness=2, tipLength=0.1)  # 从 center 指向 pt1
    cv2.arrowedLine(markedCnt, center, p2, (255, 0, 0), thickness=2, tipLength=0.2)  # 从 center 指向 pt2
    # cv_show('markedCnt', markedCnt, True)
    theta = (theta - math.pi / 2) if (theta > math.pi / 2) else (theta + math.pi / 2)
    return theta

2. VOC格式生成代码

相较于参考代码做了以下修改，可以生成rolabelimg/labelimg2能够识别的旋转矩形VOC数据集：

增加了二级节点<path>；

增加了二级节点<source>及其下的三级节点<database>；

增加了二级节点<segmented>；

二级标签下<object>的三级标签<bndbox>改名为<robndbox>，其下的四级节点由原来的<xmin>、<ymin>、<xmax>、<ymax>改为<cx>、<cy>、<w>、<h>、<angle>；

其余的<folder>、<filename>、<path>、<size>根据当前数据集进行修改，其中<path>用了绝对路径，不知道相对路径行不行。

其他部分和参考代码类似，比较好理解，就不过多介绍了，makexml代码如下：


def makexml(picPath, txtPath, xmlPath):  # txt所在文件夹路径，xml文件保存路径，图片所在文件夹路径
    """此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件
    """
    dic = {'0': "single",   # 创建字典用来对类型进行转换
           '1': "overlap"}  # 此处的字典要与自己的classes.txt文件中的类对应，且顺序要一致
    files = os.listdir(txtPath)
    for i, name in enumerate(files):
        if name == 'classes.txt':
            continue
        xmlBuilder = Document()
        annotation = xmlBuilder.createElement("annotation")  # 创建annotation标签
        xmlBuilder.appendChild(annotation)
        txtFile = open(txtPath + name)
        txtList = txtFile.readlines()
        add_0 = name.split('.')[0].rjust(4, '0')    # 左侧补零
        img_path = "images1_" + add_0 + ".png"
        img = cv2.imread(picPath + img_path)
        # if cv_show(img_path, img, True) is None:
        #     break
        Pheight, Pwidth, Pdepth = img.shape
 
        folder = xmlBuilder.createElement("folder")  # folder标签开始
        foldercontent = xmlBuilder.createTextNode("image")
        folder.appendChild(foldercontent)
        annotation.appendChild(folder)  # folder标签结束
 
        filename = xmlBuilder.createElement("filename")  # filename标签开始
        filenamecontent = xmlBuilder.createTextNode("images1_" + add_0 + ".png")
        filename.appendChild(filenamecontent)
        annotation.appendChild(filename)  # filename标签结束
 
        path = xmlBuilder.createElement("path")  # path标签开始
        img_path_all = os.path.abspath(picPath + img_path)
        pathcontent = xmlBuilder.createTextNode(img_path_all)
        path.appendChild(pathcontent)
        annotation.appendChild(path)  # path标签结束
 
        source = xmlBuilder.createElement("source")  # source标签开始
        database = xmlBuilder.createElement("database")  # source子标签database开始
        databasecontent = xmlBuilder.createTextNode('Unknown')
        database.appendChild(databasecontent)
        source.appendChild(database)  # source子标签database结束
        annotation.appendChild(source)  # source标签结束
 
        size = xmlBuilder.createElement("size")  # size标签开始
        width = xmlBuilder.createElement("width")  # size子标签width开始
        widthcontent = xmlBuilder.createTextNode(str(Pwidth))
        width.appendChild(widthcontent)
        size.appendChild(width)  # size子标签width结束
 
        height = xmlBuilder.createElement("height")  # size子标签height开始
        heightcontent = xmlBuilder.createTextNode(str(Pheight))
        height.appendChild(heightcontent)
        size.appendChild(height)  # size子标签height结束
 
        depth = xmlBuilder.createElement("depth")  # size子标签depth开始
        depthcontent = xmlBuilder.createTextNode(str(Pdepth))
        depth.appendChild(depthcontent)
        size.appendChild(depth)  # size子标签depth结束
 
        annotation.appendChild(size)  # size标签结束
 
        segmented = xmlBuilder.createElement("segmented")  # segmented标签开始
        segmentedcontent = xmlBuilder.createTextNode("0")
        segmented.appendChild(segmentedcontent)
        annotation.appendChild(segmented)  # segmented标签结束
 
        for j in txtList:
            oneline = j.strip().split(" ")
            object = xmlBuilder.createElement("object")  # object 标签开始
 
            picname = xmlBuilder.createElement("name")  # name标签开始
            namecontent = xmlBuilder.createTextNode(dic[oneline[0]])
            picname.appendChild(namecontent)
            object.appendChild(picname)  # name标签结束
 
            pose = xmlBuilder.createElement("pose")  # pose标签开始
            posecontent = xmlBuilder.createTextNode("Unspecified")
            pose.appendChild(posecontent)
            object.appendChild(pose)  # pose标签结束
 
            truncated = xmlBuilder.createElement("truncated")  # truncated标签开始
            truncatedContent = xmlBuilder.createTextNode("0")
            truncated.appendChild(truncatedContent)
            object.appendChild(truncated)  # truncated标签结束
 
            difficult = xmlBuilder.createElement("difficult")  # difficult标签开始
            difficultcontent = xmlBuilder.createTextNode("0")
            difficult.appendChild(difficultcontent)
            object.appendChild(difficult)  # difficult标签结束
 
            robndbox = xmlBuilder.createElement("robndbox")  # robndbox标签开始
 
            cx = xmlBuilder.createElement("cx")  #  cx标签开始
            cxData = float(oneline[1]) * 1280 - 256 / 2
            cxContent = xmlBuilder.createTextNode(str(cxData))
            cx.appendChild(cxContent)
            robndbox.appendChild(cx)  # cx标签结束
 
            cy = xmlBuilder.createElement("cy")  # cy标签开始
            cyData = float(oneline[2]) * 800 + 224 / 2
            cyContent = xmlBuilder.createTextNode(str(cyData))
            cy.appendChild(cyContent)
            robndbox.appendChild(cy)  # cy标签结束
 
            w = xmlBuilder.createElement("w")  # w标签开始
            wData = float(oneline[3]) * 1280
            wContent = xmlBuilder.createTextNode(str(wData))
            w.appendChild(wContent)
            robndbox.appendChild(w)  # w标签结束
 
            h = xmlBuilder.createElement("h")  # h标签开始
            hData = float(oneline[4]) * 800
            hContent = xmlBuilder.createTextNode(str(hData))
            h.appendChild(hContent)
            robndbox.appendChild(h)  # h标签结束
 
            angle = xmlBuilder.createElement("angle")  # angle标签开始
            angleData = get_angle(img, cxData, cyData, 1.25 * wData, 1.25 * hData)
            angleContent = xmlBuilder.createTextNode(str(angleData))
            angle.appendChild(angleContent)
            robndbox.appendChild(angle)  # angle标签结束
 
            object.appendChild(robndbox)  # robndbox标签结束
 
            annotation.appendChild(object)  # object标签结束
 
        f = open(xmlPath + "images1_" + add_0 + ".xml", 'w')
        xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')
        print(xmlPath + "images1_" + add_0 + ".xml", 'created successfully!')
        f.close()

完整代码：


from xml.dom.minidom import Document
import os
import math
import cv2
import numpy as np
 
def cv_show(name, img, pause = False):
    cv2.imshow(name, img) 
    key = cv2.waitKey(0 if pause == True else 1) & 0xFF 
    if key == 27:       # keycode 27 = Escape
        cv2.destroyAllWindows()
    else:
        cv2.destroyAllWindows()
        return 1
    
def get_angle(img, cx, cy, width, height):
    # 14.18 基于 PCA 的方向矫正 (OpenCV):https://blog.csdn.net/youcans/article/details/125782405
    # 必须要规定截取图像的范围，不能小于零！！！
    Pheight, Pwidth, _ = img.shape
    # 裁剪坐标为[y0:y1, x0:x1]
    #截取的左上坐标
    left_top = (max(int(cx - width / 2), 0), min(int(cy - height / 2), Pheight))
    #截取的右下坐标
    right_bottom = (max(int(cx + width / 2), 0), min(int(cy + height / 2), Pwidth))
    # 裁剪坐标为[y0:y1, x0:x1]
    img_crop = img[left_top[1]:right_bottom[1], left_top[0]:right_bottom[0]]
    # cv_show('img_crop', img_crop, True)
    gray = cv2.cvtColor(img_crop, cv2.COLOR_BGR2GRAY)
    _, binary = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
 
    # 寻找二值化图中的轮廓，检索所有轮廓，输出轮廓的每个像素点
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # OpenCV4~
    fullCnts = np.zeros(img_crop.shape[:2], np.uint8)  # 绘制轮廓函数会修改原始图像
    fullCnts = cv2.drawContours(fullCnts, contours, -1, (255, 255, 255), thickness=3)  # 绘制全部轮廓
 
    # 按轮廓的面积排序，绘制面积最大的轮廓
    cnts = sorted(contours, key=cv2.contourArea, reverse=True)  # 所有轮廓按面积排序
    cnt = cnts[0]  # 第 0 个轮廓，面积最大的轮廓，(1445, 1, 2)
    maxCnt = np.zeros(img_crop.shape[:2], np.uint8)  # 初始化最大轮廓图像
    cv2.drawContours(maxCnt, cnts[0], -1, (255, 255, 255), thickness=3)  # 仅绘制最大轮廓 cnt
 
    # 主成分分析方法提取目标的方向
    markedCnt = maxCnt.copy()
    ptsXY = np.squeeze(cnt).astype(np.float64)  # 删除维度为1的数组维度，(1445, 1, 2)->(1445, 2)
    mean, eigenvectors, eigenvalues = cv2.PCACompute2(ptsXY, np.array([]))  # (1, 2) (2, 2) (2, 1)
 
    # 绘制第一、第二主成分方向轴
    center = mean[0, :].astype(int)  # 近似作为目标的中心 [266 281]
    # e1xy = eigenvectors[0,:] * eigenvalues[0,0]  # 第一主方向轴
    e2xy = eigenvectors[1,:] * eigenvalues[1,0]  # 第二主方向轴
    # p1 = (center + 0.1*e1xy).astype(np.int)  # P1:[149 403]
    p2 = (center + 0.1*e2xy).astype(np.int)  # P2:[320 332]
    theta = np.arctan2(eigenvectors[1,1], eigenvectors[1,0])  # 第二主方向角度 133.6
    # cv2.circle(markedCnt, center, 6, 255, -1)  # 在PCA中心位置画一个圆圈  RGB
    # cv2.arrowedLine(markedCnt, center, p1, (255, 0, 0), thickness=2, tipLength=0.1)  # 从 center 指向 pt1
    cv2.arrowedLine(markedCnt, center, p2, (255, 0, 0), thickness=2, tipLength=0.2)  # 从 center 指向 pt2
    # cv_show('markedCnt', markedCnt, True)
    theta = (theta - math.pi / 2) if (theta > math.pi / 2) else (theta + math.pi / 2)
    return theta
 
def makexml(picPath, txtPath, xmlPath):  # txt所在文件夹路径，xml文件保存路径，图片所在文件夹路径
    """此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件
    """
    dic = {'0': "single",   # 创建字典用来对类型进行转换
           '1': "overlap"}  # 此处的字典要与自己的classes.txt文件中的类对应，且顺序要一致
    files = os.listdir(txtPath)
    for i, name in enumerate(files):
        if name == 'classes.txt':
            continue
        xmlBuilder = Document()
        annotation = xmlBuilder.createElement("annotation")  # 创建annotation标签
        xmlBuilder.appendChild(annotation)
        txtFile = open(txtPath + name)
        txtList = txtFile.readlines()
        add_0 = name.split('.')[0].rjust(4, '0')    # 左侧补零
        img_path = "images1_" + add_0 + ".png"
        img = cv2.imread(picPath + img_path)
        # if cv_show(img_path, img, True) is None:
        #     break
        Pheight, Pwidth, Pdepth = img.shape
 
        folder = xmlBuilder.createElement("folder")  # folder标签开始
        foldercontent = xmlBuilder.createTextNode("image")
        folder.appendChild(foldercontent)
        annotation.appendChild(folder)  # folder标签结束
 
        filename = xmlBuilder.createElement("filename")  # filename标签开始
        filenamecontent = xmlBuilder.createTextNode("images1_" + add_0 + ".png")
        filename.appendChild(filenamecontent)
        annotation.appendChild(filename)  # filename标签结束
 
        path = xmlBuilder.createElement("path")  # path标签开始
        img_path_all = os.path.abspath(picPath + img_path)
        pathcontent = xmlBuilder.createTextNode(img_path_all)
        path.appendChild(pathcontent)
        annotation.appendChild(path)  # path标签结束
 
        source = xmlBuilder.createElement("source")  # source标签开始
        database = xmlBuilder.createElement("database")  # source子标签database开始
        databasecontent = xmlBuilder.createTextNode('Unknown')
        database.appendChild(databasecontent)
        source.appendChild(database)  # source子标签database结束
        annotation.appendChild(source)  # source标签结束
 
        size = xmlBuilder.createElement("size")  # size标签开始
        width = xmlBuilder.createElement("width")  # size子标签width开始
        widthcontent = xmlBuilder.createTextNode(str(Pwidth))
        width.appendChild(widthcontent)
        size.appendChild(width)  # size子标签width结束
 
        height = xmlBuilder.createElement("height")  # size子标签height开始
        heightcontent = xmlBuilder.createTextNode(str(Pheight))
        height.appendChild(heightcontent)
        size.appendChild(height)  # size子标签height结束
 
        depth = xmlBuilder.createElement("depth")  # size子标签depth开始
        depthcontent = xmlBuilder.createTextNode(str(Pdepth))
        depth.appendChild(depthcontent)
        size.appendChild(depth)  # size子标签depth结束
 
        annotation.appendChild(size)  # size标签结束
 
        segmented = xmlBuilder.createElement("segmented")  # segmented标签开始
        segmentedcontent = xmlBuilder.createTextNode("0")
        segmented.appendChild(segmentedcontent)
        annotation.appendChild(segmented)  # segmented标签结束
 
        for j in txtList:
            oneline = j.strip().split(" ")
            object = xmlBuilder.createElement("object")  # object 标签开始
 
            picname = xmlBuilder.createElement("name")  # name标签开始
            namecontent = xmlBuilder.createTextNode(dic[oneline[0]])
            picname.appendChild(namecontent)
            object.appendChild(picname)  # name标签结束
 
            pose = xmlBuilder.createElement("pose")  # pose标签开始
            posecontent = xmlBuilder.createTextNode("Unspecified")
            pose.appendChild(posecontent)
            object.appendChild(pose)  # pose标签结束
 
            truncated = xmlBuilder.createElement("truncated")  # truncated标签开始
            truncatedContent = xmlBuilder.createTextNode("0")
            truncated.appendChild(truncatedContent)
            object.appendChild(truncated)  # truncated标签结束
 
            difficult = xmlBuilder.createElement("difficult")  # difficult标签开始
            difficultcontent = xmlBuilder.createTextNode("0")
            difficult.appendChild(difficultcontent)
            object.appendChild(difficult)  # difficult标签结束
 
            robndbox = xmlBuilder.createElement("robndbox")  # robndbox标签开始
 
            cx = xmlBuilder.createElement("cx")  #  cx标签开始
            cxData = float(oneline[1]) * 1280 - 256 / 2
            cxContent = xmlBuilder.createTextNode(str(cxData))
            cx.appendChild(cxContent)
            robndbox.appendChild(cx)  # cx标签结束
 
            cy = xmlBuilder.createElement("cy")  # cy标签开始
            cyData = float(oneline[2]) * 800 + 224 / 2
            cyContent = xmlBuilder.createTextNode(str(cyData))
            cy.appendChild(cyContent)
            robndbox.appendChild(cy)  # cy标签结束
 
            w = xmlBuilder.createElement("w")  # w标签开始
            wData = float(oneline[3]) * 1280
            wContent = xmlBuilder.createTextNode(str(wData))
            w.appendChild(wContent)
            robndbox.appendChild(w)  # w标签结束
 
            h = xmlBuilder.createElement("h")  # h标签开始
            hData = float(oneline[4]) * 800
            hContent = xmlBuilder.createTextNode(str(hData))
            h.appendChild(hContent)
            robndbox.appendChild(h)  # h标签结束
 
            angle = xmlBuilder.createElement("angle")  # angle标签开始
            angleData = get_angle(img, cxData, cyData, 1.25 * wData, 1.25 * hData)
            angleContent = xmlBuilder.createTextNode(str(angleData))
            angle.appendChild(angleContent)
            robndbox.appendChild(angle)  # angle标签结束
 
            object.appendChild(robndbox)  # robndbox标签结束
 
            annotation.appendChild(object)  # object标签结束
 
        f = open(xmlPath + "images1_" + add_0 + ".xml", 'w')
        xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')
        print(xmlPath + "images1_" + add_0 + ".xml", 'created successfully!')
        f.close()
 
if __name__ == "__main__":
    picPath = "image/"  # 图片所在文件夹路径，后面的/一定要带上
    txtPath = "yolo/"  # txt所在文件夹路径，后面的/一定要带上
    xmlPath = "voc/"  # xml文6780p 件保存路径，后面的/一定要带上
    makexml(picPath, txtPath, xmlPath)

参考文章：

【OpenCV 例程 300篇】237. 基于主成分提取的方向校正（OpenCV）_YouCans的博客-CSDN博客_opencv 图像主方向

YOLO与voc格式互转,超详细_@秋野的博客-CSDN博客_yolo转voc

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/722282

YOLO格式 转为 旋转数据标注rolabelimg/labelimg2的VOC格式（集成主成分提取角度）

1. 主成分方向提取代码(OpenCV)

2. VOC格式生成代码

YOLO格式转为旋转数据标注rolabelimg/labelimg2的VOC格式（集成主成分提取角度）