VOC数据图像和标签一起进行Resize
参加检测比赛的时候，很多时候工业原始数据尺度都比较大，如果对数据不提前进行处理，会导致数据在加载进内存时花费大量的时间，所以在执行训练程序之前需要将图像提前进行预处理。对于目标检测的数据，不只是将原始数据进行resize，边界框的坐标也要跟随一起进行resize。
如下，是今天测试需要用到的原始图像和他的标签。
<annotation>
<folder>VOC2012</folder>
<filename>2007_002266.jpg</filename>
<source>
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
</source>
<size>
<width>500</width>
<height>373</height>
<depth>3</depth>
</size>
<segmented>1</segmented>
<object>
<name>aeroplane</name>
<pose>Rear</pose>
<truncated>1</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>231</xmin>
<ymin>251</ymin>
<xmax>458</xmax>
<ymax>346</ymax>
</bndbox>
</object>
<object>
<name>aeroplane</name>
<pose>Left</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>5</xmin>
<ymin>118</ymin>
<xmax>499</xmax>
<ymax>258</ymax>
</bndbox>
</object>
</annotation>
等比例缩放之后的结果如下。
单张图像resize
单张进行预处理的脚本如下。
# -*- coding: utf-8 -*-
# @File : PreProcessing.py
# @Author: 肆十二
# @Date : 2023/12/24
# @Desc : 同步缩放图片（等比例缩放无失真）和xml文件标注的anchor size
import glob
import xml.dom.minidom
import cv2
img = cv2.imread("./demo.jpg")
height, width = img.shape[:2]
# 定义缩放信息 以等比例缩放到416为例
scale=416/height
height=416
width=int(width*scale)
dom = xml.dom.minidom.parse("./demo.xml")
root = dom.documentElement
# 读取标注目标框
objects = root.getElementsByTagName("bndbox")
for object in objects:
xmin=object.getElementsByTagName("xmin")
xmin_data=int(float(xmin[0].firstChild.data))
# xmin[0].firstChild.data =str(int(xmin1 * x))
ymin =object.getElementsByTagName("ymin")
ymin_data = int(float(ymin[0].firstChild.data))
xmax=object.getElementsByTagName("xmax")
xmax_data = int(float(xmax[0].firstChild.data))
ymax=object.getElementsByTagName("ymax")
ymax_data = int(float(ymax[0].firstChild.data))
# 更新xml
width_xml=root.getElementsByTagName("width")
width_xml[0].firstChild.data=width
height_xml = root.getElementsByTagName("height")
height_xml[0].firstChild.data = height
xmin[0].firstChild.data = int(xmin_data*scale)
ymin[0].firstChild.data = int(ymin_data*scale)
xmax[0].firstChild.data = int(xmax_data*scale)
ymax[0].firstChild.data = int(ymax_data*scale)
# 另存更新后的文件
with open('demo2.xml', 'w') as f:
dom.writexml(f, addindent=' ', encoding='utf-8')
# 测试缩放效果
img = cv2.resize(img, (width, height))
# xmin, ymin, xmax, ymax分别为xml读取的坐标信息
left_top = (int(xmin_data*scale), int(ymin_data*scale))
right_down= (int(xmax_data*scale), int(ymax_data*scale))
cv2.rectangle(img, left_top, right_down, (255, 0, 0), 1)
cv2.imwrite("result.jpg",img)
批量resize
下面是批量对VOC格式数据集进行预处理的脚本，处理之后划分为37的比例就可以进行模型训练了。
import glob
import xml.dom.minidom
import cv2
from PIL import Image
import matplotlib.pyplot as plt
import os
# 定义待批量裁剪图像的路径地址
IMAGE_INPUT_PATH = r'D:\code\data\JPEGImages'
XML_INPUT_PATH = r'D:\code\data\Annotations_new'
# 定义裁剪后的图像存放地址
IMAGE_OUTPUT_PATH = r'D:\code\data\JPEGImages_out'
XML_OUTPUT_PATH = r'D:\code\data\Annotations_out'
imglist = os.listdir(IMAGE_INPUT_PATH)
xmllist = os.listdir(XML_INPUT_PATH)
for i in range(len(imglist)):
# 每个图像全路径，这里有改进的空间
image_input_fullname = IMAGE_INPUT_PATH + '/' + imglist[i]
# xml_input_fullname = XML_INPUT_PATH + '/' + xmllist[i]
xml_input_fullname = XML_INPUT_PATH + '/' + imglist[i].replace("jpg", "xml")
image_output_fullname = IMAGE_OUTPUT_PATH + '/' + imglist[i]
xml_output_fullname = XML_OUTPUT_PATH + '/' + xmllist[i]
img = cv2.imread(image_input_fullname)
height, width = img.shape[:2]
# 定义缩放信息 以等比例缩放到416为例
scale=400/height
height=400
width=int(width*scale)
dom = xml.dom.minidom.parse(xml_input_fullname)
root = dom.documentElement
# 读取标注目标框
objects = root.getElementsByTagName("bndbox")
for object in objects:
xmin=object.getElementsByTagName("xmin")
xmin_data=int(float(xmin[0].firstChild.data))
# xmin[0].firstChild.data =str(int(xmin1 * x))
ymin =object.getElementsByTagName("ymin")
ymin_data = int(float(ymin[0].firstChild.data))
xmax=object.getElementsByTagName("xmax")
xmax_data = int(float(xmax[0].firstChild.data))
ymax=object.getElementsByTagName("ymax")
ymax_data = int(float(ymax[0].firstChild.data))
# 更新xml
width_xml=root.getElementsByTagName("width")
width_xml[0].firstChild.data=width
height_xml = root.getElementsByTagName("height")
height_xml[0].firstChild.data = height
xmin[0].firstChild.data = int(xmin_data*scale)
ymin[0].firstChild.data = int(ymin_data*scale)
xmax[0].firstChild.data = int(xmax_data*scale)
ymax[0].firstChild.data = int(ymax_data*scale)
# 另存更新后的文件
with open(xml_output_fullname, 'w') as f:
dom.writexml(f, addindent=' ', encoding='utf-8')
# 测试缩放效果
img = cv2.resize(img, (width, height))
'''
# xmin, ymin, xmax, ymax分别为xml读取的坐标信息
left_top = (int(xmin_data*scale), int(ymin_data*scale))
right_down= (int(xmax_data*scale), int(ymax_data*scale))
cv2.rectangle(img, left_top, right_down, (255, 0, 0), 1)
'''
cv2.imwrite(image_output_fullname,img)
总结
当前的目标检测框架中，模型方面基本都已经固定下来，YOLO或者RCNN，靠模型很难取得大规模的增点，所以这个时候从图像的角度进行入手显得非常重要，这里推荐大家使用一个专业的切图工具。
碎碎念：数据预处理真的很关键啊，好的数据预处理真的可以节省大量的时间。