yolo将标签数据打到原图上形成目标框

原创

已于 2024-04-15 14:11:54 修改 · 1.5k 阅读

收录于

当前文章被以下社区和专栏收录：

于 2024-01-29 21:15:01 首次发布

本文详细描述了如何通过Python代码，利用YOLOv5格式的标注信息，对图像进行反归一化并绘制矩形框，以验证标注的准确性。作者展示了坐标转换和绘制图像的具体步骤。

第一章

目标：为了查看自己在标注标签时是否准确，写了这段代码来将标注的框打到原图上

第二章

步骤：进行反归一化得到坐标画出矩形框

第二行是目标图片对应的txt,第三行是目标图片

第三章

全部代码如下：

import cv2
import numpy as np

label_path = 'C:/Users/23918/Desktop/01_missing_hole_01.txt'
image_path = 'C:/Users/23918/Desktop/01_missing_hole_01.jpg'

# 坐标转换，原始存储的是YOLOv5格式
# Convert nx4 boxes from [x, y, w, h] normalized to [x1, y1, x2, y2] where xy1=top-left, xy2=bottom-right
def xywh2xyxy(x, y, w, h, w1, h1, img):
    print("原图宽高:\nw1={}\nh1={}".format(w1, h1))
    # 边界框反归一化
    x_t = x * w1
    y_t = y * h1
    w_t = w * w1
    h_t = h * h1
    print("反归一化后输出：\n第一个:{}\t第二个:{}\t第三个:{}\t第四个:{}\t\n\n".format(x_t, y_t, w_t, h_t))

    # 计算坐标
    top_left_x = x_t - w_t / 2
    top_left_y = y_t - h_t / 2
    bottom_right_x = x_t + w_t / 2
    bottom_right_y = y_t + h_t / 2
    print("左上x坐标:{}".format(top_left_x))
    print("左上y坐标:{}".format(top_left_y))
    print("右下x坐标:{}".format(bottom_right_x))
    print("右下y坐标

标签