标注格式转换csv转xml

csv文件格式

frame removemark object_id object_id_fix id_reorder x1 y1 x2 y2 x3 y3 x4 y4 x_ori y_ori

0000001.jpg 0 0 0 0 1333 1196 1873 1162 1885 1354 1345 1388 1575 1276

0000002.jpg 0 0 0 0 1367 1207 1868 1151 1888 1335 1388 1391 1627 1271

0000002.jpg 0 1 1 1 536 1297 537 1121 972 1123 971 1299 737 1221

0000002.jpg 1 0 0 1370 1207 1867 1153 1887 1335 1390 1389 1628 1271

frame：这是最重要的列，它标识了标注所对应的图像文件名。例如，0000001.jpg。

removemark：一个标记，通常用于表示该标注是否应该被移除或忽略。0 表示保留，1 表示移除。

object_id, object_id_fix, id_reorder: 这几列通常用于跟踪和管理图像中不同对象的唯一标识符。在你的数据中，它们用于区分同一帧图像中的不同物体。例如，在 0000002.jpg 中，object_id 为 0 和 1 的两条记录代表了两个不同的物体

x1, y1, x2, y2, x3, y3, x4, y4: 这八个参数定义了旋转边界框的四个角点坐标。这些坐标通常以像素为单位，定义了图像中目标的确切位置和方向。这种格式对于标注不规则形状或倾斜的对象非常有用。

x_ori, y_ori: 这两个参数可能是原始点或中心点坐标。它们提供了额外的信息，可能用于特定的分析或处理，但对于标准的目标检测任务来说，通常只需使用 x1 到 y4 这八个参数。

xml文件格式

<annotation verified="no">
  <folder>camera28</folder>
  <filename>0000001</filename>
  <path>E:\deeplearning\torch\camera28\0000001.png</path>
  <source>
    <database>Unknown</database>
  </source>
  <size>
    <width>2560</width>
    <height>1440</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <type>robndbox</type>
    <name>cow</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <robndbox>
      <cx>1568.5011</cx>
      <cy>1275.0938</cy>
      <w>187.4719</w>
      <h>460.3087</h>
      <angle>1.507916</angle>
    </robndbox>
  </object>
</annotation>

转换脚本csv_to_xml.py

import os
import pandas as pd
import xml.etree.ElementTree as ET
from xml.etree.ElementTree import Element, SubElement
import cv2
import numpy as np
import math

# --- 配置 ---
CSV_FILE = r'E:\deeplearning\torch\cow_data\55500.csv'
IMAGE_FOLDER = r'E:\deeplearning\torch\cow_data\frames_full'
OUTPUT_FOLDER = r'E:\deeplearning\torch\cow_data\xml'


def get_image_dimensions_and_extension(image_base_path):
    """
    根据给定的基本路径，查找图像文件并返回其尺寸和扩展名。
    """
    valid_extensions = ['.jpg', '.jpeg', '.png', '.bmp', '.tiff']
    for ext in valid_extensions:
        full_path = image_base_path + ext
        if os.path.exists(full_path):
            img = cv2.imread(full_path)
            if img is not None:
                h, w, _ = img.shape
                return w, h, ext
    return None, None, None


def convert_csv_to_robndbox_xml(df, output_folder, image_folder):
    """
    将包含标注的pandas DataFrame转换为只包含robndbox的XML文件。
    该脚本会过滤掉 removemark = 1 的标注。
    并且将 object_id 作为 <name> 标签的值。
    """
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 按图像文件名对标注进行分组
    grouped_df = df.groupby('frame')

    folder_name = os.path.basename(image_folder)

    for filename, group in grouped_df:
        # 尝试查找图像文件及其扩展名
        img_base_path = os.path.join(image_folder, os.path.splitext(filename)[0])
        img_w, img_h, img_ext = get_image_dimensions_and_extension(img_base_path)

        if img_ext is None:
            print(f"警告: 未找到图像文件 '{filename}'，跳过。")
            continue

        full_filename = os.path.splitext(filename)[0] + img_ext

        annotation = Element('annotation')
        SubElement(annotation, 'folder').text = folder_name
        SubElement(annotation, 'filename').text = full_filename
        SubElement(annotation, 'path').text = os.path.join(folder_name, full_filename).replace('\\', '/')

        source = SubElement(annotation, 'source')
        SubElement(source, 'database').text = 'Unknown'

        size = SubElement(annotation, 'size')
        SubElement(size, 'width').text = str(img_w)
        SubElement(size, 'height').text = str(img_h)
        SubElement(size, 'depth').text = '3'

        SubElement(annotation, 'segmented').text = '0'

        for _, row in group.iterrows():
            # 过滤 removemark = 1 的行
            if int(row['removemark']) == 1:
                print(f"跳过 '{full_filename}' 中 removemark=1 的标注.")
                continue

            # --- 核心修改：使用 object_id 作为 name ---
            object_id = row['object_id']
            # 将 object_id 转换为字符串，通常在分类任务中需要将类别名作为字符串
            # 比如 'cow_0', 'cow_1' 等，这里直接使用ID
            object_name = str(object_id)

            points = [[row['x1'], row['y1']], [row['x2'], row['y2']],
                      [row['x3'], row['y3']], [row['x4'], row['y4']]]
            points_np = np.array(points, dtype=np.float32)

            rect = cv2.minAreaRect(points_np)
            center, size, angle = rect

            w, h = size

            obj = SubElement(annotation, 'object')
            SubElement(obj, 'name').text = object_name
            SubElement(obj, 'pose').text = 'Unspecified'
            SubElement(obj, 'truncated').text = '0'
            SubElement(obj, 'difficult').text = '0'
            SubElement(obj, 'type').text = 'robndbox'

            angle_rad = angle * math.pi / 180.0
            robndbox = SubElement(obj, 'robndbox')
            SubElement(robndbox, 'cx').text = f"{center[0]:.4f}"
            SubElement(robndbox, 'cy').text = f"{center[1]:.4f}"
            SubElement(robndbox, 'w').text = f"{w:.4f}"
            SubElement(robndbox, 'h').text = f"{h:.4f}"
            SubElement(robndbox, 'angle').text = f"{angle_rad:.6f}"

        output_path = os.path.join(output_folder, os.path.splitext(full_filename)[0] + '.xml')
        tree = ET.ElementTree(annotation)
        ET.indent(tree, space="  ", level=0)
        tree.write(output_path, encoding='utf-8', xml_declaration=True)

        print(f"成功转换 {full_filename} 为 {os.path.basename(output_path)}")


# --- 主程序入口 ---
if __name__ == "__main__":
    try:
        import pandas as pd
        import math
    except ImportError:
        print("错误: 缺少 'pandas' 或 'math' 库。请安装。")
        exit()

    try:
        df = pd.read_csv(CSV_FILE)
    except FileNotFoundError:
        print(f"错误: 未找到CSV文件: {CSV_FILE}")
        exit()

    required_cols = ['frame', 'x1', 'y1', 'x2', 'y2', 'x3', 'y3', 'x4', 'y4', 'removemark', 'object_id']
    if not all(col in df.columns for col in required_cols):
        print("错误: CSV文件缺少必需的列。")
        exit()

    print(f"开始将CSV转换为XML...")
    convert_csv_to_robndbox_xml(df, OUTPUT_FOLDER, IMAGE_FOLDER)
    print("所有转换已完成。")

1、数据加载与分组
加载 CSV: 脚本首先使用 pandas.read_csv() 函数加载你的 CSV 文件。Pandas 库能将数据轻松地读入一个名为 DataFrame 的表格结构中，这比手动逐行解析纯文本文件要高效得多。

按图像分组: 你的 CSV 文件中，多行可能对应同一张图像（例如 0000002.jpg 有多条标注）。为了为每张图像生成一个独立的 XML 文件，我们使用了 df.groupby('frame')。这个操作会将 DataFrame 按照 frame 列的值进行分组，每一组都包含了对应同一张图像的所有标注记录。

2、XML 文件构建循环

脚本的核心是一个 for 循环，它遍历 groupby 后的每个组（即每张图像及其所有标注）。在每次循环中，脚本都会执行以下步骤：
获取图像信息:

脚本首先尝试通过 CSV 中的文件名 (filename) 找到对应的图像文件，并使用 OpenCV (cv2.imread) 获取图像的宽度、高度和深度。这个步骤非常关键，因为 XML 文件需要这些图像元数据。

如果找不到图像文件，脚本会打印警告并跳过该帧，防止因文件缺失而导致程序崩溃。
创建 XML 骨架:

使用 ET.Element('annotation') 创建 XML 文件的根元素。

接着，使用 ET.SubElement() 在根元素下添加标准的 VOC 标签，如 < folder>、< filename>、< path> 和 < size>。为了满足你对相对路径的需求，path 标签的值是通过 os.path.join(folder_name, filename) 动态生成的，确保它包含了文件夹名称和文件名，而不是绝对路径。

3、边界框数据转换与写入

这是整个脚本最复杂的部分，它在一个内层循环中处理每张图像的所有标注。
解析 CSV 行: 内层循环遍历当前图像的所有标注行。对于每一行，脚本从 x1 到 y4 列提取八个角点坐标。
坐标转换: 你的 CSV 提供了四个角点，但你需要的 XML 格式是 robndbox，它要求中心点 (cx, cy)、宽高 (w, h) 和角度 (angle)。脚本利用 OpenCV 的 cv2.minAreaRect() 函数来完成这个转换。这个函数可以根据一组点自动计算出最小外接旋转矩形的中心、尺寸和角度。minAreaRect() 返回的角度通常在 [-90, 0) 之间。脚本将这个角度直接用于 XML，这符合 VOC 格式的惯例。
构建 < object> 标签:

为每个标注创建一个 < object> 标签。在 < object> 下添加标准的子标签，如 < name>、< pose> 等。

最重要的是，添加 < type>robndbox< /type> 标签来明确指定边界框的类型。创建 < robndbox> 标签，并使用 Python 的 f-string 格式化，将转换后的 cx、cy、w、h 和 angle 值以精确的小数位数写入其中。