【Xml Tool】 裁剪某个区域重新生成xml

该代码功能:

对已经标注好的xml文件进行操作

比如,label A 区域中,有多个label B。

现在我希望我能截取label A区域的图片,并根据原始xml生成lable B 的标注文件

注:label B部分区域在label A 外面的话,则扩大label A裁剪区域,使其包括 label B

xml里面 x为w轴

python 复制代码
'''
该代码功能:
对已经标注好的xml文件进行操作
比如,label A 区域中,有多个label B。
现在我希望我能截取label A区域的图片,并根据原始xml生成lable B 的标注文件

注:label B部分区域在label A 外面的话,则扩大label A裁剪区域,使其包括 label B


xml里面 x为w轴
'''
import os
import cv2
import xml.etree.ElementTree as ET
import traceback
import copy

images_path="/media/hxzh/SB@home/hxzh/MH_dataset/Towers/dataset_insulator_clip/images"
xmls_path="/media/hxzh/SB@home/hxzh/MH_dataset/Towers/dataset_insulator_clip/xmls"
save_image_path="/media/hxzh/SB@home/hxzh/MH_dataset/Towers/dataset_insulator_clip/save_images"
save_xmls_path="/media/hxzh/SB@home/hxzh/MH_dataset/Towers/dataset_insulator_clip/save_xmls"

#所要裁剪区域的标签名字
crop_name="100_0_0"

#要生成的标签名
label_name="100_1_0"


def read_xml(filename):
    (fname, suffix) = os.path.splitext(filename)
    if not os.path.exists(f"{images_path}/{fname}.JPG"):
        return 0
    image_ori=cv2.imread(f"{images_path}/{fname}.JPG")

    is_ok=True
    try :
        tree = ET.parse(f"{xmls_path}/{filename}")
        tree_ori=copy.deepcopy(tree)
    except (BaseException,Exception ) as e:
        print(filename,traceback.format_exc())

        return []


    # 获取宽w和高h
    a = tree.find('size')
    w, h = [int(a.find('width').text),
            int(a.find('height').text)]

    objects = []

    if w == 0:
        return []


    crop_area=[]
    label_area=[]

    for obj in tree.findall('object'):
        # 获取name
        name = obj.find('name').text
        if name==crop_name:
            # 读取检测框的左上、右下角点的坐标
            bbox = obj.find('bndbox')
            x1, y1, x2, y2 = [int(bbox.find('xmin').text),
                              int(bbox.find('ymin').text),
                              int(bbox.find('xmax').text),
                              int(bbox.find('ymax').text)]
            #首次确定裁剪区域
            crop_area.append([x1, y1, x2, y2])
        elif name==label_name:
            # 读取检测框的左上、右下角点的坐标
            bbox = obj.find('bndbox')
            x1, y1, x2, y2 = [int(bbox.find('xmin').text),
                              int(bbox.find('ymin').text),
                              int(bbox.find('xmax').text),
                              int(bbox.find('ymax').text)]
            #首次确定裁剪区域
            label_area.append([x1, y1, x2, y2])


    matchs=[]


    for i in crop_area:
        match={}
        match["area"]=i
        match["labels"]=[]
        for j in label_area:
            if  j[0]>=i[0] and j[0]<=i[2]:
                if j[1]>=i[1] and j[1]<=i[3] or j[3]>=i[1] and j[3]<=i[3]:
                    match["labels"].append(j)
            elif j[2]>=i[0] and j[2]<=i[2]:
                if j[1] >= i[1] and j[1] <= i[3] or j[3] >= i[1] and j[3] <= i[3]:
                    match["labels"].append(j)
        if len(match["labels"])!=0:

            min_x=min([k[0] for k in match["labels"]])
            max_x=max([k[2] for k in match["labels"]])
            min_y = min([k[1] for k in match["labels"]])
            max_y = max([k[3] for k in match["labels"]])
            print(min_x,min_y,max_x,max_y)
            print(match["area"][0])

            match["area"][0]=min(match["area"][0] ,min_x)
            match["area"][1]=min(match["area"][1] ,min_y)
            match["area"][2]=max(match["area"][2] ,max_x)
            match["area"][3]=max(match["area"][3] ,max_y)
        matchs.append(match.copy())
    #开始根据matchs 进行裁剪图片和生成xml


    len_matchs=len(matchs)
    image_count=0
    for match in matchs:
        image_count+=1
        #分割图片

        tree_=copy.deepcopy(tree_ori)
        image_crop=image_ori.copy()[match["area"][1]:match["area"][3],match["area"][0]:match["area"][2],:]
        cv2.imwrite(f"{save_image_path}/{fname}_{image_count}.JPG",image_crop)
        save_xml_name=f"{save_xmls_path}/{fname}_{image_count}.xml"


        ww,hh=image_crop.shape[:2]

        label_len=len(match["labels"])
        if label_len==0:
            continue
        a = tree_.find('size')
        a.find('width').text=f"{ww}"
        a.find('height').text=f"{hh}"



        if w == 0:
            return []



        for ind ,ob in enumerate( tree_.findall('object')):
            # 获取name
            if ind<label_len:
                ob.find('name').text=f"{label_name}"
                bbox = ob.find("bndbox")
                bbox.find("xmin").text = f"{match['labels'][ind][0]-match['area'][0]}"
                bbox.find("ymin").text = f"{match['labels'][ind][1]-match['area'][1]}"
                bbox.find("xmax").text = f"{match['labels'][ind][2]-match['area'][0]}"
                bbox.find("ymax").text = f"{match['labels'][ind][3]-match['area'][1]}"
            else:
                tree_.getroot().remove(ob)





        tree_.write(save_xml_name)
        xs = ""
        with open(save_xml_name, 'r', encoding='utf8') as r:
            xs = r.read()
            r.close()
        with open(save_xml_name, 'w', encoding='utf8') as w:
            w.write(xs.replace("<?xml version='1.0' encoding='utf8'?>", ""))
            w.close()











for i in os.listdir(xmls_path):
    read_xml(i)
相关推荐
吴佳浩6 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
岁月宁静9 小时前
五、《从零手撸 Agent》 — 什么是 Agent:从“会聊天”到“会做事”,差的就是一个循环
python·agent
梯度下降者10 小时前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
forest_0910 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区11 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔11 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区11 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
starzy199012 小时前
深入理解Scala隐式参数:上下文流转
开发语言·python·scala
努力的MM12312 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能