【代码】YOLOv8标注信息验证

此代码的功能是标注信息验证,将原图和YOLOv8标注文件(txt)放在同一个文件夹中,作为输入文件夹

程序将标注的信息还原到原图中,并将原图和标注后的图像一同保存,以便查看

两个draw_labels函数,分别是将目标区域轮廓标出来或者颜色填充

python 复制代码
import cv2
import numpy as np
import os

def read_txt_labels(txt_file):
    """
    从 txt 标注文件中读取标签
    :param txt_file: txt 标注文件路径
    :return: 标签列表
    """
    with open(txt_file, "r") as f:
      labels = []
      for line in f.readlines():
        label_data = line.strip().split(" ")
        class_id = int(label_data[0])
        # 解析边界框坐标
        coordinates = [float(x) for x in label_data[1:]]
        labels.append([class_id, coordinates])
    return labels


def draw_labels(image, labels):
  """
  在图像上绘制分割区域轮廓
  :param image: 图像
  :param labels: 标签列表
  """
  for label in labels:
    class_id, coordinates = label
    # 将坐标转换为整数并重新塑形为多边形
    points = [(int(x * image.shape[1]), int(y * image.shape[0])) for x, y in zip(coordinates[::2], coordinates[1::2])]
    # 使用多边形绘制轮廓
    cv2.polylines(image, [np.array(points)], True, (0, 0, 255), 2)  # 红色表示分割区域轮廓


# def draw_labels(image, labels):
#   """
#   在图像上绘制分割区域
#   :param image: 图像
#   :param labels: 标签列表
#   """
#   for label in labels:
#     class_id, coordinates = label
#     # 将坐标转换为整数并重新塑形为多边形
#     points = [(int(x * image.shape[1]), int(y * image.shape[0])) for x, y in zip(coordinates[::2], coordinates[1::2])]
#     # 使用多边形填充
#     cv2.fillPoly(image, [np.array(points)], (0, 255, 0))  # 绿色表示分割区域


def process_and_save_image(image_path, txt_path, output_folder):
    # 读取图像
    image = cv2.imread(image_path)
    labels = read_txt_labels(txt_path)
    # 复制原始图像以进行绘制
    image_with_labels = image.copy()
    # 绘制分割区域
    draw_labels(image_with_labels, labels)
    # 创建一个新的图像,左侧是原图,右侧是带标注的图
    combined_image = np.concatenate((image, image_with_labels), axis=1)
    # 定义输出图像路径
    base_filename = os.path.basename(image_path)
    output_image_path = os.path.join(output_folder, base_filename)
    # 保存图像
    cv2.imwrite(output_image_path, combined_image)

def main(input_folder, output_folder):
    # 确保输出文件夹存在
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    # 获取输入文件夹中的所有图片文件
    image_files = [f for f in os.listdir(input_folder) if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
    for image_file in image_files:
        # 构建图像和标注文件的路径
        image_path = os.path.join(input_folder, image_file)
        txt_file = os.path.splitext(image_path)[0] + '.txt'
        # 检查标注文件是否存在
        if os.path.exists(txt_file):
            process_and_save_image(image_path, txt_file, output_folder)
        else:
            print(f"标注文件 {txt_file} 不存在,跳过图像 {image_file}")

if __name__ == "__main__":
    input_folder_path = 'D:\Desktop\images'  # 替换为实际的输入文件夹路径
    output_folder_path = 'D:\Desktop\images_02'  # 替换为实际的输出文件夹路径
    main(input_folder_path, output_folder_path)

示例:


相关推荐
小豆庄2 小时前
AI换脸能骗过检测,视频脱敏为什么该回到本地
人工智能·yolo·阿里云·ai·ocr·视频
小毕超3 小时前
从推理到训练:Intel Ultra 核显 GPU 加速 YOLO 模型训练
pytorch·yolo·gpu·intel
W_326005 小时前
Python 图像处理第二十八章|OpenCV 形态学操作进阶:腐蚀、膨胀、开运算、闭运算、梯度、顶帽黑帽
图像处理·人工智能·python·opencv·计算机视觉
小豆庄5 小时前
视频脱敏:云端识别与本地推理的边界实测
数据库·yolo·自然语言处理·视觉检测·视频·设计规范·纹理贴图
ck0135796 小时前
视频添加水印的实践:文字叠加、透明 PNG 与时间区间设置
图像处理·测试工具·音视频·视频
Angeldream1237 小时前
第 9 章 医学影像项目实战
大数据·图像处理·人工智能·python·医学影像处理
小豆庄1 天前
视频素材处理时的隐私盲区:云处理与本地处理的边界在哪
数据库·图像处理·视频·敏捷流程
陈嘿萌1 天前
Fusion Anything Model:面向通用多模态融合的基座模型
图像处理·人工智能·深度学习·计算机视觉·学术研究与理论基础
程序猿编码1 天前
YOLOv5/v7/YOLOX 全支持:基于 TensorRT 的工业视觉推理底座详解
c++·yolo·机器学习·推理·模型推理
~~刘杨1 天前
用 Python 批量处理商品图:抠图、高清放大与图生视频(同步 API 完整示例)
图像处理·python·aigc