Mtripix 0.0.10

api handle for data transform

Auchor

• 西安三重像素科技有限公司
• Xi'an Triple Pixel Technology Co.,
• @PIPIPINoBrain
• 联系方式：[e-mail]

Mtripix.Mutils.Mtrans(usage)

安装方式

pip install Mtripix

使用示例

import Mtripix.Mutils.Mtrans as Mt

idxs = [1,2,3]
labels = ["dog", "cat", "person"]
d = Mt.labels2dict(labels, idxs)
path_xml = "C:\Users\18829\Desktop\MTP\A.xml" path_txt = "C:\Users\18829\Desktop\MTP\A1.txt"
Mt.xml2yoloobb(path_xml, path_txt, d)

updata

• 0.0.7
• 增加了语义分割的标签图像转换
• 增加了文件夹中标签的统计
• 0.0.8
• 增加了文件夹图片计算均值和方差的代码
• 修复了yolo2voc中空目标转换的bug，修复了未引用math的bug

Environment

• import json
• import os.path
• import PIL
• import imgviz
• import numpy as np
• import cv2
• import lxml.etree as ET
• import math
• from lxml.etree import Element, SubElement, tostring, ElementTree

Mtripix Function

Mtripix.Mutils(lists)

Mtripix.Mutils.Mtrans(lists)

• Mtripix.Mutils.Mtrans.labels2dict(labels, idxs) 功能: 生成namedict，标签与类别对应的字典
• Mtripix.Mutils.Mtrans.voc2yolo(path_xml, path_txt, namedict) 功能: labelme标注的xml格式转yolo格式(label, xc, yc, w, h)————相对值
• Mtripix.Mutils.Mtrans.json2yolo(path_json, path_txt, namedict, mode) 功能: labelimg标注的json格式转yolo检测格式(label, xc, yc, w, h)和分割格式(label, xy, xy, xy, xy)————相对值
• Mtripix.Mutils.Mtrans.voc2dotaobb(path_xml, path_txt)功能: rolabelme和labelme标注的xml格式转DOTA数据格式,(xy,xy,xy,xy,label,difficulty)————绝对值
• Mtripix.Mutils.Mtrans.voc2yoloobb(path_xml, path_txt, namedict)功能: rolabelme和labelme标注的xml格式转yoloobb数据格式,(label, xy, xy, xy, xy)————相对值
• Mtripix.Mutils.Mtrans.yolo2voc(path_img, path_txt, path_xml, namedict) 功能: 转yolo格式(label, xc, yc, w, h)转labelme标注的xml格式————绝对值**
• Mtripix.Mutils.Mtrans.labelsCheck(path, format) 功能: 计算当前标签文件夹中，各个标签的个数**
• Mtripix.Mutils.Mtrans.json2mask_sem(path_json, path_mask, namedict) 功能: labelme标注的json文件转化为分割图像标签,返回标签灰度图像**
• Mtripix.Mutils.Mtrans.compute_mean_and_std(path, format) 功能: 计算文件夹下的所有图像的均值方差**

Mtripix.Mutils.Mtrans(intrudction)

Mtripix.Mutils.Mtrans.labels2dict(labels, idxs)

@input:

• labels(list/tuple): 标签名 里边都是str
• idxs(list/tuple): 类别名 里边都是str

@return:

• namedict(dict) 标签与类别对应的字典

Mtripix.Mutils.Mtrans.voc2yolo(path_xml, path_txt, namedict)

@input:

• path_xml(str): xml文件地址
• path_txt(str): 生成的yolo的txt地址
• namedict(dict): 标签和类别对应的字典

@return:

• 0

Mtripix.Mutils.Mtrans.json2yolo(path_json, path_txt, namedict, mode)

@input:

• path_json(str): json文件地址
• path_txt(str): 生成的yolo的txt地址
• namedict(dict): 标签和类别对应的字典
• mode(str): 一共可填两种模式“detection”和“segmentation”, 分别对应yolo检测和分割的文件,默认是“detection”

@return:

• 0

Mtripix.Mutils.Mtrans.voc2dotaobb(path_xml, path_txt)

@input:

• pathxml(str): xml文件地址
• path_txt(str): 生成的DOTA的txt地址

@return:

• 0

Mtripix.Mutils.Mtrans.voc2yoloobb(path_xml, path_txt, namedict)

@input:

• path_xml(str): xml文件地址
• path_txt(str): 生成的yoloobb的txt地址
• namedict(dict): 标签和类别对应的字典

@return:

• 0

Mtripix.Mutils.Mtrans.yolo2voc(path_img, path_txt, path_xml, namedict)

@input:

• path_img(str): 图像地址
• path_txt(str): 图像的yolo格式txt地址
• path_xml(str): 生成的xml地址
• namedict(dict): 类别和标签对应的字典

@return:

• 0

Mtripix.Mutils.Mtrans.labelsCheck(path, format)

@input:

• path(str): 当前的标签的文件夹地址
• format: 需要统计的数据格式，有"voc","yolo"和”data“三种格式

@return:

• count()输出字典, keys是当前的类别, value是当前文件夹中各类别出现的次数

Mtripix.Mutils.Mtrans.json2mask_sem(path_json, path_mask, namedict)

@input:

• path_json(str): labelme标注的语义分割json文件
• path_txt(str): 需要保存的8位标签伪图像,png格式
• namedict(dict): 类别和标签对应的字典

@return:

• img(array): 原图灰度图大小的分类特征图,类别为像素值,背景为0

Mtripix.Mutils.Mtrans.compute_mean_and_std(path, format=1)

@input:

• path(str): 图像存放的文件夹路径
• format(int): 图片的类型 1 代表RGB, 2代表灰度图

@return:

• 返回两个参数，文件夹下图片的均值，方差(量化后)
• mean: 文件夹下图片的均值(量化后)
• std: 文件夹下图片的方差(量化后)