json文件格式转换yolo

### 将JSON文件转换为YOLO格式 在目标检测任务中，不同工具和框架使用的数据标注格式各异。为了使YOLO模型能够读取并利用这些标注信息进行训练或评估，需将原始的JSON格式转化为YOLO特定的格式。 #### JSON到YOLO格式转换原理 YOLO格式是一种简化的目标检测标注方式，每张图像对应一个文本文件，其中每一行代表一个物体实例的位置及其类别索引。具体来说，对于每个对象而言，其位置由中心坐标(x_center, y_center)，宽度(w)以及高度(h)四个参数描述，并且这四个数值均被归一化到了0至1之间[^1]。 当处理来自`labelme`或其他工具产生的JSON文件时，主要工作在于解析该文件内的几何形状（通常是多边形或多点集合），计算边界框(bounding box)，再将其按上述规则写入相应的`.txt`文件内[^2]。 #### Python代码实现 下面给出一段Python代码片段作为示范，展示如何完成这一过程： ```python import os import json def convert_json_to_yolo(json_file_path, output_dir): with open(json_file_path, 'r') as f: data = json.load(f) image_width = data['imageWidth'] image_height = data['imageHeight'] shapes = data.get('shapes', []) lines = [] for shape in shapes: label = shape['label'] # 获取标签名称 points = shape['points'] # 获取多边形顶点列表 # 计算最小外接矩形 x_coords = [point[0] for point in points] y_coords = [point[1] for point in points] min_x, max_x = min(x_coords), max(x_coords) min_y, max_y = min(y_coords), max(y_coords) center_x = (min_x + max_x) / 2.0 center_y = (min_y + max_y) / 2.0 width = abs(max_x - min_x) height = abs(max_y - min_y) normalized_center_x = round(center_x / image_width, 6) normalized_center_y = round(center_y / image_height, 6) normalized_width = round(width / image_width, 6) normalized_height = round(height / image_height, 6) class_id = get_class_index(label) # 假设有一个函数可以根据标签获取对应的类ID line = " ".join([str(class_id), str(normalized_center_x), str(normalized_center_y), str(normalized_width), str(normalized_height)]) lines.append(line) base_name = os.path.splitext(os.path.basename(json_file_path))[0] out_txt_path = os.path.join(output_dir, "{}.txt".format(base_name)) with open(out_txt_path, 'w') as f: f.write("\n".join(lines)) def get_class_index(label): """假设这里定义了一个映射关系""" classes = ['person', 'bicycle', 'car', ... ] # 完整分类表应根据实际情况填写 try: index = classes.index(label.lower()) except ValueError: raise Exception("未知类别: {}".format(label)) return index ``` 此段程序首先加载指定路径下的JSON文件内容；接着遍历所有标记的对象，针对每一个对象提取出必要的信息——即包围盒的位置与大小，并对其进行标准化处理以便适应YOLO的要求；最后将结果保存成新的TXT文档[^3]。