三分钟教会你用Python+OpenCV批量裁剪xml格式标注的图片

前言

在目标检测中，数据集常常使用labelimg标注，会生成xml文件。本文旨在根据xml标注文件来裁剪目标，以达到去除背景信息的目的。

xml文件格式

以下是一个标注好的图片生成的xml文件。具体含义见代码注释。

<annotation>                             <!--xml所属文件夹-->
<folder>JPEGImages</folder>          <!--对应图片所属文件夹-->
<filename>408.bmp</filename>
<path>E:\JPEGImages\408.bmp</path>
<source>
<database>Unknown</database>
</source>
<size>           <!--整张图片宽，高，3通道彩色-->
<width>413</width>
<height>342</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object><!--标注的目标，一共5个框-->
<name>bad_part</name><!--名称，也就是类别-->
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>                  <!--坐标，左上，左下，右上，右下-->
<xmin>339</xmin>
<ymin>103</ymin>
<xmax>398</xmax>
<ymax>173</ymax>
</bndbox>
</object>
<object>
<name>bad_part</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>265</xmin>
<ymin>15</ymin>
<xmax>364</xmax>
<ymax>74</ymax>
</bndbox>
</object>
<object>
<name>bad_part</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>118</xmin>
<ymin>33</ymin>
<xmax>195</xmax>
<ymax>52</ymax>
</bndbox>
</object>
<object>
<name>bad_part</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>113</xmin>
<ymin>103</ymin>
<xmax>177</xmax>
<ymax>147</ymax>
</bndbox>
</object>
<object>
<name>bad_part</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>224</xmin>
<ymin>298</ymin>
<xmax>287</xmax>
<ymax>326</ymax>
</bndbox>
</object>
</annotation>

代码思想

1. 获取到标签文件路径和图片文件路径；

2. 遍历图片文件夹获取到图片，并分割文件名；

3. 根据图片的文件名加后缀xml得到具体的标签文件；

4. 通过xml.etree.ElementTree读取xml文件；

5. 遍历所有的目标框，获取到[]；

6. 通过cv2裁剪目标(先高后宽 参考文章:https://www.jb51.net/article/211183.htm中的第二中裁剪方法)；

7. 将裁剪好的图片保存到指定文件目录。

完整代码

'''
根据xml标签裁剪目标
1.文件夹中可以有除了图片格式或标签格式的文件，有判断可以忽略其他文件
2.图片未标注没有对应的xml文件自动忽略不会报错
3.同一个图片有多个真实框，会按名称_0,名称_1 …… 排列
4.图片本身的命名无规律会按3中的命名规则加上名称后缀重新命名。
'''

import cv2
import xml.etree.ElementTree as ET
import os

img_path = r'E:/JPEGImages' #图片路径
xml_path = r'E:/Annotations' #标签路径
obj_img_path = r'E:/cut'   #目标裁剪图片存放路径

for img_file in os.listdir(img_path):    #遍历图片文件夹
   if img_file[-4:] in ['.bmp', '.jpg','.png']:    #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
           count = 0 #目标框个数统计，防止目标文件覆盖
           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

cv2.imwrite(obj_img_path + '\\' + '％s_％s'％(img_name, count) + '.jpg', obj_img)  #保存裁剪图片
               count += 1 #目标框统计值自增1

print("裁剪完成！")

效果展示

总结

1. ET解析树基本上是xml标注文件必备的解析库。

2. labelimg&rarr; \rightarrow&rarr;xml&rarr; \rightarrow&rarr;VOC数据集

3. labelme&rarr; \rightarrow&rarr;json&rarr; \rightarrow&rarr;COCO数据集

4. json是字典形式，内存小；xml是DTD文档，格式统一跨平台

5. 去除背景信息是很重要的一环，可以避免模型监督学习时学习到相似的错误信息。

来源：https://blog.csdn.net/qq_36584673/article/details/117301833