LabelImg标注的VOC格式xml标签与YOLO格式txt标签相互转换

1、VOC标签格式说明

VOC数据格式，会直接把每张图片标注的标签信息保存到一个xml文件中。

例如我在做仓储托盘检测的时候，需要对图片中的托盘进行标注，标注的标签信息会保存到一个跟图片对应的xml文件中（每张图片与每个xml文件一一对应），xml中的信息如下：

<annotation>
	<folder>Images</folder>
	<filename>1.jpg</filename>
	<path>/home/wangmj/pallet_data/Images/1.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>1920</width>
		<height>1080</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>forklift_pallet</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>437</xmin>
			<ymin>557</ymin>
			<xmax>1230</xmax>
			<ymax>660</ymax>
		</bndbox>
	</object>
</annotation>

xml文件中的关键信息说明：

• 1.jpg，这是图片名称，则xml文件名为1.xml；
• /home/wangmj/pallet_data/Images/1.jpg，这是存放该图片的绝对路径；
• 1920 * 1080，这是图片分辨率，3代表三通道图片；
• forklift_pallet，这是类别名；
• xmin，ymin，xmax，ymax，定义了每个目标的标定框坐标：即左上角的坐标和右下角的坐标；

2、YOLO标签格式说明

YOLO标签格式，会直接把每张图片标注的标签信息保存到一个txt文件中。

我的图片名称为1.jpg，则对应的txt文件名称为1.txt。

同样例如我在做仓储托盘检测的时候，需要对图片中的托盘进行标注，标注的标签信息会保存到一个跟图片对应的txt文件中，txt中的信息如下：

0 0.433594 0.562037 0.409896 0.092593

txt文件中的关键信息说明：

• 每一行代表标注的一个目标，我这张图中只标注了一个目标，所以只有一行；
• 第一个数字0代表标注目标的类别；
• 后面四个数字代表标注框的中心坐标和标注框的相对宽和高（进行了归一化处理）；
• 五个数据从左到右依次为：class x_center y_center width height

同时还会生成一个classes.txt，里面内容如下：

forklift_pallet

我只有forklift_pallet这一种类型。

3、voc格式转化为yolo格式

标注好的voc格式的标签xml文件，主要信息为：

• 1.jpg，这是图片名称；
• /home/wangmj/pallet_data/Images/1.jpg，这是存放该图片的绝对路径；
• 1920 * 1080，这是图片分辨率，3代表三通道图片；
• forklift_pallet，这是类别名；
• xmin，ymin，xmax，ymax，定义了每个目标的标定框坐标：即左上角的坐标和右下角的坐标；

例如下面一张图：

• 原图大小为1920 * 1080
• 紫色框代表标注物体的框，紫色框的左上角的坐标为（xmin，ymin）=（372，518），右下角的坐标为（xmax，ymax）=（1344，674）

voc_to_yolo.py的目的就是把voc数据格式转换为yolo格式：

• voc格式标签：图片的实际宽高，标注框的左上角和右下角坐标；
• yolo格式标签：标注框的中心坐标（归一化），标注框的宽和高（归一化）。

voc格式转换为yolo格式计算公式：

• 框中心的实际坐标（x，y），一般可能还会在后面减1

  

• 归一化以后的中心坐标（x，y）

  

• 框的高和宽（归一化后）

  

voc格式的xml标签文件转化yolo格式的txt标签文件代码：voc_to_yolo.py

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

def convert(size, box):
    # size=(width, height)  b=(xmin, xmax, ymin, ymax)
    # x_center = (xmax+xmin)/2        y_center = (ymax+ymin)/2
    # x = x_center / width            y = y_center / height
    # w = (xmax-xmin) / width         h = (ymax-ymin) / height
    
    x_center = (box[0]+box[1])/2.0
    y_center = (box[2]+box[3])/2.0
    x = x_center / size[0]
    y = y_center / size[1]

    w = (box[1] - box[0]) / size[0]
    h = (box[3] -<