将json转换yolotxt

### 将JSON格式数据转换为YOLO格式的txt文件 为了实现这一目标，可以采用Python编写专门的脚本来解析JSON文件并将其内容按照YOLO格式的要求写入TXT文件。以下是具体方法： 对于FLIR或COCO这样的数据集，其标注信息通常存储在一个复杂的JSON结构中，包含了多个对象的信息以及每张图片对应的标签列表。因此，在处理这类数据时，需要遍历整个JSON文档，提取出每一个实例的位置坐标（边界框）、所属类别以及其他可能存在的属性。 #### 解析JSON文件 首先读取指定路径下的JSON文件，并加载成字典形式以便于后续操作。这一步骤可以通过`json.load()`函数轻松完成[^2]。 ```python import json def load_json(json_file_path): with open(json_file_path, 'r', encoding='utf-8') as f: data = json.load(f) return data ``` #### 转换逻辑 接下来定义核心转换逻辑，即如何将从JSON中获取的对象信息映射到YOLO所需要的格式上。YOLO格式要求每一行表示一个物体，由五个数值组成：分类ID、中心点X坐标比例、中心点Y坐标比例、宽度比例和高度比例。这些值都是相对于整幅图像尺寸的比例值。 ```python from pathlib import Path def convert_to_yolo_format(image_info, categories_dict, output_dir): image_width = image_info['width'] image_height = image_info['height'] txt_filename = Path(output_dir) / (Path(image_info['file_name']).stem + '.txt') lines = [] for annotation in image_info.get('annotations', []): # 假设每个image_info有annotations字段 category_id = str(annotation["category_id"]) bbox = annotation["bbox"] x_center = round((bbox[0] + bbox[2]/2.) / image_width, 6) y_center = round((bbox[1] + bbox[3]/2.) / image_height, 6) width_ratio = round(bbox[2] / image_width, 6) height_ratio = round(bbox[3] / image_height, 6) line = " ".join([str(categories_dict[category_id]), str(x_center), str(y_center), str(width_ratio), str(height_ratio)]) lines.append(line) if lines: with open(txt_filename, 'w') as f: f.write('\n'.join(lines)) ``` 这里假设输入参数中的`categories_dict`是一个字典，键为原始类别编号而值为目标模型训练所需的新编号；`output_dir`则是用于保存生成的`.txt`文件的目标目录。 #### 执行转换过程 最后通过循环调用上述两个辅助函数来逐一对所有记录进行处理，并最终得到符合YOLO标准的数据集。 ```python if __name__ == '__main__': import sys if len(sys.argv) != 3: print("Usage: python script.py <json_file> <output_directory>") exit(-1) json_file_path = sys.argv[1] output_directory = sys.argv[2] dataset = load_json(json_file_path) images = dataset['images'] # 获取所有的图片信息 annotations = {item['id']: item for item in dataset['annotations']} # 创建annotation索引表 categories = {str(item['id']): idx for idx, item in enumerate(dataset['categories'], start=0)} # 类别映射关系 for img in images: img_annots = [annot for annot in annotations.values() if annot['image_id'] == img['id']] img.update({'annotations': img_annots}) convert_to_yolo_format(img, categories, output_directory) ``` 此代码片段展示了完整的流程，包括命令行参数解析、加载JSON文件、创建必要的映射表以及实际执行转换的过程。