0
votes

Culture automatique d'images des boîtes de liaison Annotation Python

Je développe une CNN pour la reconnaissance d'images. J'ai un ensemble d'images différentes, où dans chaque image, j'ai un ensemble de zones de bornies différentes (AL au moins 3 boîtes de liaison pour chaque image).

Je voudrais extraire automatiquement la pièce dans les zones de liaison, puis les recadrer un ensemble d'image recadrée correspondant au contenu de chaque bornisation. J'ai créé à la fois un fichier COV xml strong> et un fichier cumulatif strud> contenant tous les détails de chaque image, ici un extrait: p>

p >

,filepath,x1,x2,y1,y2,class_name
0,71.jpeg,81,118,98,122,os
1,71.jpeg,120,156,83,110,od
2,71.jpeg,107,161,136,154,m

python bounding-box python-imaging-library crop

1 commentaires

Avez-vous essayé OpenCV ou Scikit-Image pour recadrer vos images?

3 Réponses :

0
votes

Eh bien, j'ai trouvé le moyen d'extraire des images recadrées avec ce code:

#crop images
import numpy as np # linear algebra
import xml.etree.ElementTree as ET # for parsing XML
import matplotlib.pyplot as plt # to show images
from PIL import Image # to read images
import os
import glob

root_images="/content/images"
root_annots="/content/annotation"

all_images=os.listdir("/content/images/")
print(f"Total images : {len(all_images)}")

breeds = glob.glob('/content/annotation/')
annotation=[]
for b in breeds:
    annotation+=glob.glob(b+"/*")
print(f"Total annotation : {len(annotation)}")

breed_map={}
for annot in annotation:
    breed=annot.split("/")[-2]
    index=breed.split("-")[0]
    breed_map.setdefault(index,breed)
    
print(f"Total Breeds : {len(breed_map)}")

def bounding_box(image):
    #bpath=root_annots+str(breed_map[image.split("_")[0]])+"/"+str(image.split(".")[0])
    #print (bpath)
    #print(root_annots)
    #print (str(breed_map[image.split("_")[0]]))
    #print (str(image.split(".")[0]))
    bpath=root_annots+"/"+str(image.split(".")[0]+".xml")
    tree = ET.parse(bpath)
    root = tree.getroot()
    objects = root.findall('object')
    
    for o in objects:
        bndbox = o.find('bndbox') # reading bound box
        xmin = int(bndbox.find('xmin').text)
        ymin = int(bndbox.find('ymin').text)
        xmax = int(bndbox.find('xmax').text)
        ymax = int(bndbox.find('ymax').text)
        
        
    return (xmin,ymin,xmax,ymax)
    
plt.figure(figsize=(10,10))
bbox=[]
for i,image in enumerate(all_images):
    bbox=bounding_box(image) 
    print(bbox)  
    im=Image.open(os.path.join(root_images,image))
    im=im.crop(bbox)           
    im.save('/content/results_imgs/{}.jpeg'.format(i,im))

0 commentaires

0
votes

Je suppose que vous voulez recadrer les images pour les boîtes de sélection. Vous pouvez simplement utiliser un tableau numpy:

Veuillez trouver un exemple de travail ici. P>

import matplotlib.pyplot as plt

mydic = {
  "annotations": [
  {
    "class": "rect",
    "height": 98,
    "width": 113,
    "x": 177,
    "y": 12
  },
  {
    "class": "rect",
    "height": 80,
    "width": 87,
    "x": 373,
    "y": 43
  }
 ],
   "class": "image",
   "filename": "https://i.stack.imgur.com/9qe6z.png"
}


def crop(dic, i):
    image = plt.imread(dic["filename"])
    x0 = dic["annotations"][i]["x"]
    y0 = dic["annotations"][i]["y"]
    width = dic["annotations"][i]["width"]
    height = dic["annotations"][i]["height"]
    return image[y0:y0+height , x0:x0+width, :]


fig = plt.figure()
ax = fig.add_subplot(121)
ax.imshow(plt.imread(mydic["filename"]))

ax1 = fig.add_subplot(222)
ax1.imshow(crop(mydic, 0))

ax2 = fig.add_subplot(224)
ax2.imshow(crop(mydic, 1))

plt.show()

0 commentaires

0
votes

J'ai trouvé un référentiel git pour créer des images recadrées à partir de toutes les zones de liaison des objets détectés des images de Pascal COV (images avec des zones de bornisation générées par LabelImg): https://github.com/giovannicimolin/pascalvoc-a-images

Le code fonctionne assez bien. J'espère que cela vous aidera à résoudre votre problème.

0 commentaires