有些目标检测数据集中的标注文件为.json格式，包含了目标类别、目标框绝对坐标，如下图：
将其转换为YOLO适用的.txt格式，包含（类别 中心点的x 中心点的y 宽度w 高度h），如下图：
代码如下：
'''
将json文件转为yolo所需要的txt文件。将未转换的标注放入labels文件夹中，图片放入images文件夹中
json中[x1,y1,x2,y2]，（x1,y1)表示目标左上角坐标，（x2,y2)表示目标右下角坐标，图片左上角坐标为（0，0）
yolo的txt中[class,x_center,y_center,width,height](需要根据图片宽高进行归一化处理）
'''
import json
import os
from PIL import Image
def convert(img_size, box): # 坐标转换
dw = 1. / (img_size[0])
dh = 1. / (img_size[1])
x = (box[0] + box[2]) / 2.0
y = (box[1] + box[3]) / 2.0
w = box[2] - box[0]
h = box[3] - box[1]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return x, y, w, h
def decode_json(json_floder_path, json_name):
txt_name = 'D:/json_to_txt/lable/' + json_name[0:-5] + '.txt' # 生成txt文件存放的路径
txt_file = open(txt_name, 'w')
json_path = os.path.join(json_floder_path, json_name)
data = json.load(open(json_path, 'r', encoding='utf-8'))
image_path = 'D:/json_to_txt/images/' + json_name[0:-5] + '.jpg' # 图片存放路径
# 使用pillow读取图片，获取图片的宽和高
img_pillow = Image.open(image_path)
img_w = img_pillow.width # 图片宽度
img_h = img_pillow.height # 图片高度
for i in data['Annotations']:
if i['classname'] == 'face_no_mask': # 目标的类别
x1, y1, x2, y2 = i['BoundingBox']
bb = (x1, y1, x2, y2)
bbox = convert((img_w, img_h), bb)
txt_file.write('0' + " " + " ".join([str(a) for a in bbox]) + 'n') # 此处将该目标类别记为“0”
if i['classname'] == 'face_with_mask': # 目标的类别
x1, y1, x2, y2 = i['BoundingBox']
bb = (x1, y1, x2, y2)
bbox = convert((img_w, img_h), bb)
txt_file.write('1' + " " + " ".join([str(a) for a in bbox]) + 'n') # 此处将该目标类别记为“1”
if __name__ == "__main__":
json_floder_path = 'D:/json_to_txt/lables/' # json文件的路径
json_names = os.listdir(json_floder_path)
for json_name in json_names:
decode_json(json_floder_path, json_name)
