利用虾检测模型检测图像生成的txt转成roLabelImg需要的xml

前沿

前些日子，做了一个活虾检测的模型,一开始是用
roLabelImg进行标注的，奈何虾的个数太多，只用了部分数据。

如果是更小的虾苗，更密集，因此标注是一件很麻烦的事情。在使用了部分数据进行标注并训练之后，得到了用检测虾的模型，这个时候就可以利用训练好的模型在未进行标注的样本进行检查并进行批量标注了。

TXT到xml数据格式的转换

在用虾苗检测模型下进行批量样本检测的时候，生成的目标结果是四个点的坐标，但是不能确保漏检跟误检，所以还需要roLabelImg进行确认。因此需要转成roLabelImg对应的xml文件，roLabelImg对应的文件格式是中心点坐标和宽高，以及旋转角度。因此需要四个点转中心点+旋转角度的转换。
用检测器检测生成的txt格式如下：

每一行对应的是四点坐标x1,y1,x2,y2,x3,y3,x4,y4,class,difficulty

# *_* coding : UTF-8 *_*
# 功能描述   ：把四点坐标x1,y1,x2,y2,x3,y3,x4,y4,class,difficulty转换成旋转框 cx,cy,w,h,angle换成
 
import os
import xml.etree.ElementTree as ET
import math
import cv2
import numpy as np 
'''xml文件的格式'''
head ='''<annotation verified="no">
    <folder>%(folder)s</folder>
    <filename>%(name)s</filename>
    <path>%(path)s</path>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>%(width)d</width>
        <height>%(height)d</height>
        <depth>%(depth)d</depth>
    </size>
    <segmented>0</segmented>
'''
source = '''    <object>
        <type>robndbox</type>
        <name>%(class)s</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <robndbox>
            <cx>%(cx)0.4f</cx>
            <cy>%(cy)0.4f</cy>
            <w>%(w)0.4f</w>
            <h>%(h)0.4f</h>
            <angle>%(angle)0.6f</angle>
        </robndbox>
    </object>
'''
 
end = '''</annotation>
'''
def get_dataset_dirs(input_dir):
  person_names = []
  _subdirs = []
  files = []
  for person_name in os.listdir(input_dir):
    person_names.append(person_name)
  for person_name in person_names:
    _subdir = os.path.join(input_dir, person_name)
    if not os.path.isdir(_subdir):
      continue
    _subdirs.append(_subdir)
  return _su