環境

• Windows：10
• Python 3.7.10
• TensorFlow：2.3
• matplotlib：3.3.4
• lxml：4.7.1

最近要用TensorFlow做20種水果識別，對剛入手的數據集，開始對數據集進行檢驗。

原圖如下：

以下是通過精靈標注助手生成的xml 文件

<?xml version="1.0" ?> <annotation> <folder>菠蘿</folder> <filename>pineapple.jpg</filename> <path>C:\Users\Desktop\pineapple.jpg</path> <source><database>Unknown</database> </source> <size><width>730</width><height>413</height><depth>3</depth> </size><segmented>0</segmented><object><name>菠蘿</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>125</xmin><ymin>112</ymin><xmax>543</xmax><ymax>400</ymax></bndbox> </object><object><name>菠蘿</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>547</xmin><ymin>97</ymin><xmax>721</xmax><ymax>390</ymax></bndbox> </object> </annotation>

安裝 matplotlib

pip install matplotlib

安裝 lxml

pip install lxml

通過以下代碼將xml中繪畫的矩形框顯示到圖片中。

import tensorflow as tf import matplotlib.pyplot as plt from lxml import etree from matplotlib.patches import Rectangle # 繪制矩形框img = tf.io.read_file(r'./pineapple.jpg')img = tf.image.decode_jpeg(img) # 對圖像進行解碼 print(img.shape) plt.imshow(img) plt.show()xml = open(r'./pineapple.xml', encoding='utf-8').read() # 讀取 xml文件 sel = etree.HTML(xml) # 對 xml 文件進行解析 width = sel.xpath('//size/width/text()')[0] # 獲取圖片的寬 height = sel.xpath('//size/height/text()')[0] # 獲取圖片的高 bndbox = sel.xpath('//bndbox') ax = plt.gca() # 獲取當前圖像 for i in range(0, len(bndbox)):xmin = sel.xpath('//bndbox/xmin/text()')[i]ymin = sel.xpath('//bndbox/ymin/text()')[i]xmax = sel.xpath('//bndbox/xmax/text()')[i]ymax = sel.xpath('//bndbox/ymax/text()')[i]xmin = int(xmin)ymin = int(ymin)xmax = int(xmax)ymax = int(ymax)plt.imshow(img.numpy())rect = Rectangle((xmin, ymin), (xmax - xmin), (ymax - ymin), fill=False, color='red') # fill=False 不需要填充ax.axes.add_patch(rect) # 添加矩形框 plt.show()

還原出入手的數據集用精靈標注助手標記的效果如下：

由于發現數據集中有多邊形和矩形框數據混合，所以通過以下代碼區分開來

以上xml文件一個一個的點開查看比較麻煩，用以下代碼進行處理查看：

import ostry:import xml.etree.cElementTree as ET except ImportError:import xml.etree.ElementTree as ET# xml文件路徑 txt_path = 'C:\\Users\\vvcat\\Desktop\\xxx\\xxxxx\\outputs2\\'for txt_file in os.listdir(txt_path):txt_name = os.path.splitext(txt_file)[0] #獲取文件名txt_suffix = os.path.splitext(txt_file)[1] # 獲取后綴# print(txt_name, txt_suffix)file_name_path = txt_path + txt_name + txt_suffixroot = ET.parse(file_name_path)bndboxs = root.getiterator("bndbox")if bndboxs == []:print(txt_name + txt_suffix) # 打印包含多邊形框的xml文件

效果如下：

打開A（1）.xml文件，內容如下：

通過以下代碼批量將xml中繪畫的矩形框顯示到圖片中，并保存成新的圖片。

import tensorflow as tf import matplotlib.pyplot as plt from lxml import etree from matplotlib.patches import Rectangle # 繪制矩形框 import glob import osimages = glob.glob('./inputs/*.jpg') xmls = glob.glob('./outputs/*.xml') xmls_names = [x.split('\\')[-1].split('.xml')[0] for x in xmls] images_names = [x.split('\\')[-1].split('.jpg')[0] for x in images] names = list(set(images_names) & set(xmls_names)) imgs = [img for img in images if img.split('\\')[-1].split('.jpg')[0] in names] #根據名稱排序 imgs.sort(key=lambda x: x.split('\\')[-1].split('.jpg')[0]) xmls.sort(key=lambda x: x.split('\\')[-1].split('.xml')[0])dstfile = './output_image/' fpath = os.path.dirname(dstfile) # 獲取文件路徑 if not os.path.exists(fpath):os.makedirs(fpath) # 沒有就創建路徑 images_names = ''for i in range(0, len(xmls)):img = tf.io.read_file(imgs[i])img = tf.image.decode_jpeg(img) # 對圖像進行解碼xml = open(xmls[i], encoding='utf-8').read() # 讀取 xml文件sel = etree.HTML(xml) # 對 xml 文件進行解析width = sel.xpath('//size/width/text()')[0] # 獲取圖片的寬height = sel.xpath('//size/height/text()')[0] # 獲取圖片的高bndbox = sel.xpath('//bndbox')ax = plt.gca() # 獲取當前圖像for j in range(0, len(bndbox)):xmin = sel.xpath('//bndbox/xmin/text()')[j]ymin = sel.xpath('//bndbox/ymin/text()')[j]xmax = sel.xpath('//bndbox/xmax/text()')[j]ymax = sel.xpath('//bndbox/ymax/text()')[j]xmin = int(xmin)ymin = int(ymin)xmax = int(xmax)ymax = int(ymax)plt.imshow(img.numpy())rect = Rectangle((xmin, ymin), (xmax - xmin), (ymax - ymin), fill=False, color='red') # fill=False 不需要填充ax.axes.add_patch(rect) # 添加矩形框images_names = imgs[i].split('\\')[-1]plt.savefig(dstfile + images_names)# plt.show()plt.close()

總結

以上是生活随笔為你收集整理的TensorFlow 对数据集标记的xml文件解析记录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。