如何将多边形坐标转换为矩形（yolo 格式）以进行图像标记？

Question

我正在尝试通过 OCR 读取水表读数，但是，我的第一步是找到投资回报率。我从 Kaggle 中找到了一个带有 ROI 标记数据的数据集。但它们不是矩形，而是多边形，有的有 5 个点，有的有 8 个点，具体取决于图像。我如何将其转换为 yolo 格式？例如：

file name | value | coordinates

id_53_value_595_825.jpg 595.825 {'type': 'polygon', 'data': [{'x': 0.30788, 'y': 0.30207}, {'x': 0.30676, 'y': 0.32731}, {'x': 0.53501, 'y': 0.33068}, {'x': 0.53445, 'y': 0.33699}, {'x': 0.56529, 'y': 0.33741}, {'x': 0.56697, 'y': 0.29786}, {'x': 0.53501, 'y': 0.29786}, {'x': 0.53445, 'y': 0.30417}]}

id_553_value_65_475.jpg 65.475 {'type': 'polygon', 'data': [{'x': 0.26133, 'y': 0.24071}, {'x': 0.31405, 'y': 0.23473}, {'x': 0.31741, 'y': 0.26688}, {'x': 0.30676, 'y': 0.26763}, {'x': 0.33985, 'y': 0.60851}, {'x': 0.29386, 'y': 0.61449}]}

id_407_value_21_86.jpg 21.86 {'type': 'polygon', 'data': [{'x': 0.27545, 'y': 0.19134}, {'x': 0.37483, 'y': 0.18282}, {'x': 0.38935, 'y': 0.76071}, {'x': 0.28185, 'y': 0.76613}]}

我知道对于 yolo 格式，我需要获取 xmin、ymin、xmax、ymax 以便我可以计算宽度和高度，但我在解析数据时遇到了问题。有人可以帮忙吗？

谢谢。

编辑：终于成功了。如果有人正在努力将 csv 文件从 https://www.kaggle.com/datasets/tapakah68/yandextoloka-water-meters-dataset 转换为 yolo 格式，这是我的代码片段，用于为每个图像创建文本文件。

import csv
import pandas as pd
import json
import ast
def converttoyolo(csv_file):
  df = pd.read_csv(csv_file)
  l_csv = len(df)
  for i in range(l_csv):
    df_row = df.iloc[i]  #get each row
    
    df_ = df_row['photo_name']  #image column 
    df__ = df_.split('.')  #to get name for text file

    df_new = df_row['location']  #start of gettinf coordinates access
    df_dict = ast.literal_eval(df_new)  #str to dict
    df__dict = json.dumps(df_dict, indent = 4)
    df_dict__ = json.loads(df__dict)
    
    convertedDict = df_dict__
    length = len(convertedDict['data'])
    x = []
    y = []
    for j in range(length):  #put each x and y for each row in seperate array
      x.append(convertedDict['data'][j]['x'])
      y.append(convertedDict['data'][j]['y'])

    max_x = max(x)
    max_y = max(y)  #yolo conversion, check answer below
    min_x = min(x)
    min_y = min(y)

    width = max_x - min_x
    height = max_y - min_y 
    center_x = min_x + (width/2)
    center_y = min_y + (height/2)

    def filename(file):   #put in text files
      with open(file+".txt", "w") as file:
        
         file.write(str(width)+','+str(height)+','+ ...
         str(center_y)+','+str(center_y))
    
    filename('/content/drive/MyDrive/yolo/custom_data/jpeg/'+df__[0]) 
    
converttoyolo(csv_file)

Answer 1

您需要为每个形状创建轮廓（点列表）。一旦你有了它，然后调用 cv::boundingRect() 将每个轮廓变成一个单一的边界矩形。一旦你有了矩形，你就可以计算出 X、Y、W 和 H。但是由于 YOLO 格式是 CX 和 CY——而不是 X 和 Y——那么你需要做：

CX = X + W/2.0
CY = Y + H/2.0

最后，您必须标准化所有 4 个值。 YOLO 格式是 space 分隔，第一个值是整数 class ID。因此，如果“dog”是您的第二个 class（因此 id #1 因为它是 zero-based），那么您将输出：

1 0.234 0.456 0.123 0.111

...其中4个坐标是：

CX / image width
CY / image height
W / image width
H / image height

如果您需要更多数学示例，请参阅 Darknet/YOLO 常见问题解答：https://www.ccoderun.ca/programming/darknet_faq/#darknet_annotations

如何将多边形坐标转换为矩形（yolo 格式）以进行图像标记？

How to convert polygon coordinates to rectangle(yolo format) for an image labelling?

ocr

parsing

image-recognition

yolo