当数据集是时频图时可能有一个尴尬的问题，就是数据集制作好后，发现有白边。
其实这也不影响训练模型，可能对模型训练效果的影响也是微乎其微的，于是大多数情况我会选择直接用整张图片训练模型。但是，有的情况下，去掉白边模型训练效果好，不去白边模型某个类别效果就不好。比如图中的BPSK和Frank信号。
一开始我设置416*416的神经网络输入大小，甚至BPSK，Frank信号检测出来的概率特别低，10个中有2个的样子？上面的检测结果是640*640大小训练出来的，虽然信号检测出来的，BPSK，Frank这种特别窄的信号置信度很低，见下图。
这种情况白边就不是可留可不留的了，是必须要去掉。白边占的面积还是挺大的。
裁剪图片并不难，难的是还要对应修正labels中的数值。于是，我写了一个更正程序，既可以裁剪图片，也可以修正labels。
python
#作者：zhouzhichao
#时间：25年7月4日
#功能：裁剪数据集的图片和调整对应标签数值
import os
from PIL import Image, ImageDraw
# origin_img_path = ""
# target_img_path = ""
# origin_label_path = ""
# target_label_path = ""
origin_width = 875
origin_height = 656
x1 = 114
x2 = 791
y1 = 49
y2 = 583
after_cut_width = x2 - x1
after_cut_height = y2 - y1
def cut_img(target_path):
# 设置文件夹路径
folder_path = target_path
output_folder = target_path
# 如果输出文件夹不存在，则创建
if not os.path.exists(output_folder):
os.makedirs(output_folder)
# 获取文件夹中的所有图片
for filename in os.listdir(folder_path):
if filename.endswith(('.png', '.jpg', '.jpeg')): # 根据需要修改图片格式
img_path = os.path.join(folder_path, filename)
img = Image.open(img_path)
# 裁剪区域：左上角(114, 49)到右下角(791, 583)
cropped_img = img.crop((x1, y1, x2, y2))
# 保存裁剪后的图片到输出文件夹
output_path = os.path.join(output_folder, filename)
cropped_img.save(output_path)
print("裁剪完成！")
def modify_label(labels_folder):
output_folder = labels_folder
for filename in os.listdir(labels_folder):
if filename.endswith('.txt'):
txt_path = os.path.join(labels_folder, filename)
with open(txt_path, 'r') as file:
lines = file.readlines()
# 修改后的数据将存储在这里
modified_lines = []
for line in lines:
parts = line.strip().split() # 拆分每一行
class_id = parts[0]
x_center = float(parts[1])
y_center = float(parts[2])
width = float(parts[3])
height = float(parts[4])
# 修改第2列为0.5，第4列为1
modified_y_center = (y_center*origin_height-y1)/after_cut_height
modified_y_height = height*origin_height/after_cut_height
# 拼接修改后的行
modified_line = f"{class_id} {0.5:.3f} {modified_y_center:.3f} {1:.3f} {modified_y_height:.3f}\n"
modified_lines.append(modified_line)
# 保存修改后的文件
output_txt_path = os.path.join(output_folder, filename)
with open(output_txt_path, 'w') as output_file:
output_file.writelines(modified_lines)
def watch(images_folder,labels_folder,output_folder):
for filename in os.listdir(labels_folder):
if filename.endswith('.txt'):
txt_path = os.path.join(labels_folder, filename)
# 获取对应的图片文件名
img_filename = filename.replace('.txt', '.jpg')
img_path = os.path.join(images_folder, img_filename)
# 打开图片
img = Image.open(img_path)
draw = ImageDraw.Draw(img)
# 读取标签文件
with open(txt_path, 'r') as file:
lines = file.readlines()
# 遍历每一行标签，绘制矩形框
for line in lines:
parts = line.strip().split() # 拆分每一行
class_id = int(parts[0])
x_center = float(parts[1]) * img.width
y_center = float(parts[2]) * img.height
width = float(parts[3]) * img.width
height = float(parts[4]) * img.height
# 计算矩形框的左上角和右下角坐标
x1 = x_center - width / 2
y1 = y_center - height / 2
x2 = x_center + width / 2
y2 = y_center + height / 2
# 绘制矩形框，使用红色边框
draw.rectangle([x1, y1, x2, y2], outline="white", width=2)
# 保存带框的图片
output_img_path = os.path.join(output_folder, img_filename)
img.save(output_img_path)
if __name__ == "__main__":
img_path = "D:\english\yolov7\datasets_higher_cut\images\\train"
label_path = "D:\english\yolov7\datasets_higher_cut\labels\\train"
output_img_path = "D:\english\yolov7\datasets_higher_cut\watch"
# cut_img(img_path)
# modify_label(label_path)
watch(img_path, label_path, output_img_path)其中，cut_img是裁剪图片的，modify_label是更正标签的，watch是检测更正结果的。
①裁剪效果：
每张图片原本大小是875*656，把左上角114，49到右下角的791，583，覆盖原图。
②label更正效果，原标签：
更正后标签：
主要是把这些数字中的第2列都改成0.5，第4列改成1，第3列改成原来的数值称原图片高度减去y1后除以裁剪后的图片高度。最后一列改成原值乘以原图高度除以裁剪后的图片高度。
③检查效果
最后，用这个程序需要注意，对一个文件架不能使用两次，那图片不就被裁了2次嘛，label的数值不就改乱了嘛。