preprocessing_first.py文件

import xml.etree.ElementTree as ET
import os


# 首先定义函数convert（size，box)，将绝对坐标转化为相对坐标
# 该函数接受两个参数：size表示原始图像的尺寸，是一个包含宽度和高度的二元组；
# box表示边界框的坐标信息，它是一个四元组，包含了边界框的左上角和右下角的坐标。
def convert(size, box):
    x_center = (box[0] + box[1]) / 2.0
    y_center = (box[2] + box[3]) / 2.0
    # x_center和y_center表示需要先计算出目标框的中心点位置坐标，通过将左上角和右下角两个点横纵坐标相加除以2得到。
    # 分别计算纵坐标和横坐标的中心点
    x = x_center / size[0]
    y = y_center / size[1]
    # 这两行计算了中心点的相对坐标，将中心点的坐标除以原始图像的宽度和高度，得到相对于原始图像尺寸的比例。

    w = (box[1] - box[0]) / size[0]
    h = (box[3] - box[2]) / size[1]

    # print(x, y, w, h)
    return (x, y, w, h)
    # 最后，函数返回一个四元组，包含了边界框的中心点相对坐标以及宽度和高度相对尺寸。


# 定义函数convert_annotation(xml_files_path, save_txt_files_path, classes)，
# 该函数接受三个参数，分别为xml文件的路径（xml_files_path），转换成txt文件之后的保存路径（save_txt_files_path）以及你的标签名称（classes）。

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:  # 遍历文件夹内所有的xml文件名
        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)  # 使用xml树，遍历当前的xml文件
        root = tree.getroot()  # 获取到当前xml树的根节点
        size = root.find('size')  # 在当前的xml文件内找到子元素size
        w = int(size.find('width').text)
        h = int(size.find('height').text)
        # 以上两行代码表示在当前的xml文件内找到目标框的宽度和高度

        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))
            # 以上两行代码完成了边界框的划定，包含四个边界点。并用一个四元组进行保存
            # 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')
            # 调用convert函数，将绝对坐标转换成相对坐标，并将对应的类别ID写入txt文件


if __name__ == "__main__":
    # 1、指定yolo类别
    classes1 = ["D00", "D10", " D20", "D40"]
    # 2、voc格式的xml标签文件路径
    xml_files1 = r'C:\Users\DELL\Desktop\my_file\RDD2022_all_countries\China_Drone\train\annotations\xmls'
    # 3、转化为yolo格式的txt标签文件存储路径
    save_txt_files1 = r'C:\Users\DELL\Desktop\my_file\RDD2022_all_countries\China_Drone\train\labels'

    convert_annotation(xml_files1, save_txt_files1, classes1)
    with open(save_txt_files1 + '/classes.txt', 'w') as file:
        for class_name in classes1:
            file.write(class_name + '\n')