关于该数据集的介绍可以看我写的另一篇博客:链接
论文题目: 《GDXray: The Database of X-ray Images for Nondestructive Testing》
论文链接:https://link.springer.com/article/10.1007/s10921-015-0315-7****
Github链接 :https://github.com/computervision-xray-testing/GDXray/blob/main/README.md
以GDXray的Baggages为例,其原数据集下载下来如下所示:
其中每个文件夹里都有ground_truth.txt,即坐标框相关的信息,ground_truth.txt内容如下:
知道了每个数字对应的含义,接下来的任务就简单了,因此只需要针对相同的ID创建同样的TXT的Label,并且对应图片的ID名即可,参考代码如下:
注:该代码仅是针对一组图片的,所有的图片都需转换的话再套一个循环即可!
python
import os
def map_number_to_filename(dir_name, number):
"""
将数字映射为特定的文件名格式。
参数:
- number: 一个浮点数,表示映射的键。
返回:
- str: 按照给定格式映射后的文件名。
"""
# 将浮点数转换为字符串,并去掉不必要的小数点和之后的所有0
number_str = format(number, '.0f')
# 将字符串格式化为至少4位的数字,不足部分前面补0
number_str_padded = number_str.zfill(4)
# 构造文件名
img_name = f"{dir_name}_{number_str_padded}.png"
label_name = f"{dir_name}_{number_str_padded}.txt"
return label_name, img_name
import cv2
def get_image_dimensions(image_path, pos_list):
"""
使用OpenCV获取指定图片文件的宽度和高度。
参数:
- image_path: 图片文件的路径。
返回:
- (width, height): 图片的宽度和高度的元组。
"""
templist = []
# 使用cv2.imread读取图片,0表示以原始格式读取
image = cv2.imread(image_path, 0)
# 检查图片是否正确读取
if image is None:
raise FileNotFoundError(f"The image at path {image_path} could not be found or is not a valid image file.")
# 图片的尺寸可以通过image.shape属性获取,它返回一个三元组(height, width, channels)
height, width = image.shape[:2]
b_w = float(pos_list[1]) - float(pos_list[0])
b_h = float(pos_list[3]) - float(pos_list[2])
b_x = (float(pos_list[0]) + float(pos_list[1]))/2.0
b_y = (float(pos_list[2]) + float(pos_list[3]))/2.0
x = float(b_x)/width
y = float(b_y)/height
w = float(b_w)/width
h = float(b_h)/height
templist.append(x)
templist.append(y)
templist.append(w)
templist.append(h)
return templist
if __name__ == "__main__":
dir_path = r"F:\BaiduNetdiskDownload\DataSet\GDXray\Baggages\Baggages\B0001"
dir_basename = os.path.basename(dir_path)
ground_truth_txt = os.path.join(dir_path,'ground_truth.txt')
save_txt_dir = os.path.join(os.path.dirname(dir_path), f"YOLO_{dir_basename}")
if not os.path.exists(save_txt_dir):
os.makedirs(save_txt_dir)
f = open(ground_truth_txt,'r',encoding='utf-8')
contents = f.readlines()
for content in contents:
content = content.strip().split(" ")
filename, img_name = map_number_to_filename(dir_name=dir_basename, number=float(content[0]))
img_path = os.path.join(dir_path, img_name)
yolo_pos_list = get_image_dimensions(img_path, pos_list=content[1:])
save_filename = os.path.join(save_txt_dir,filename)
f_s = open(save_filename,'a',encoding='utf-8')
f_s.write("0 ")
f_s.write(str(yolo_pos_list[0]))
f_s.write(" ")
f_s.write(str(yolo_pos_list[1]))
f_s.write(" ")
f_s.write(str(yolo_pos_list[2]))
f_s.write(" ")
f_s.write(str(yolo_pos_list[3]))
拿一组数据集来进行实验,B0001文件夹
运行代码得到:
进行可视化验证,相关代码如下:链接
针对于它的类别暂时不知道写什么,但是框的位置没问题了,类别后期确定了根据做个映射就行,完美!!!