Python 如何去规范化坐标？

我正在为计算机视觉应用程序注释数据集。我有xml文件形式的标准化坐标（xmin、ymin、xmax、ymax）

完整的xml如下所示：

<annotation>
    <folder>image</folder>
    <filename>100_icdar13.png</filename>
    <path>/Users/image/100_icdar13.png</path>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>816</width>
        <height>608</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>text</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>192</xmin>
            <ymin>157</ymin>
            <xmax>530</xmax>
            <ymax>223</ymax>
        </bndbox>
    </object>
    <object>
        <name>text</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>561</xmin>
            <ymin>159</ymin>
            <xmax>645</xmax>
            <ymax>219</ymax>
        </bndbox>
    </object>
    <object>
        <name>text</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>74</xmin>
            <ymin>247</ymin>
            <xmax>465</xmax>
            <ymax>311</ymax>
        </bndbox>
    </object>
    <object>
        <name>text</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>493</xmin>
            <ymin>255</ymin>
            <xmax>625</xmax>
            <ymax>305</ymax>
        </bndbox>
    </object>
    <object>
        <name>text</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>85</xmin>
            <ymin>339</ymin>
            <xmax>496</xmax>
            <ymax>400</ymax>
        </bndbox>
    </object>
</annotation>

---

我如何做到这一点，我可以使用什么算法来实现这一点？

您可以使用

ElementTree

解析XML并提取坐标：

将xml.etree.ElementTree作为ET导入
从xml.etree.ElementTree导入元素
xml_raw=''
...
文本
未指明
0
0
192
157
530
223
...
...
'''
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
root:Element=ET.fromstring（xml\u原始）
对于root.findall（'object'）中的obj：
bndbox:Element=obj.find（'bndbox'）
name=obj.find（'name'）。文本
xmin，xmax，ymin，ymax=[int（bndbox.find（x）.text）表示['xmin'，'xmax'，'ymin'，'ymax']
坐标=[（x，y）表示[xmin，xmax]中的x，表示[ymin，ymax]中的y]
打印（名称、坐标）

哪些产出：

text [(192, 157), (192, 223), (530, 157), (530, 223)]
text [(561, 159), (561, 219), (645, 159), (645, 219)]
text [(74, 247), (74, 311), (465, 247), (465, 311)]
text [(493, 255), (493, 305), (625, 255), (625, 305)]
text [(85, 339), (85, 400), (496, 339), (496, 400)]

答案是：

import xml.etree.ElementTree as ET
import os
import glob
import shutil

import xml.etree.ElementTree as ET
from xml.etree.ElementTree import Element


with open('100_icdar13.xml') as f: root = ET.parse(f)
for obj in root.findall('object'):
    bndbox: Element = obj.find('bndbox')
    name = obj.find('name').text
    xmin, xmax, ymin, ymax = [int(bndbox.find(x).text) for x in ['xmin', 'xmax', 'ymin', 'ymax']]
    coords = [(x, y) for x in [xmin, xmax] for y in [ymin, ymax]]
    print(coords, name)

输出：

[(201, 162), (201, 229), (207, 162), (207, 229)] text
[(208, 162), (208, 229), (223, 162), (223, 229)] text
[(224, 162), (224, 229), (239, 162), (239, 229)] text
[(493, 255), (493, 305), (625, 255), (625, 305)] text
[(85, 339), (85, 400), (496, 339), (496, 400)] text

---

当我运行脚本时，可能会出现此错误的重复：文件“denormalise.py”，第30行，在name=obj.find（'name'）。text AttributeError:'NoneType'对象没有属性'text'，在

x1，y1，x2，y2，x3，y3，x4，y4，text

中的

text

字段从哪里获取？我假设它来自

annotation>object>name

。您可能必须修改obj.find（'name'）。text根据您的假设是正确的，您创建的代码是否必须有“”…“”或者我应该用xml_raw=open（“demofile.xml”，“r”）替换它吗？你可以使用

和open（'raw_data.xml'）作为f:root=ET.parse（f）

而不是当我使用xml_raw=open（“demofile.xml”，“r”）时，我得到了错误。TypeError:需要类似字节的对象，而不是“\u io.TextIOWrapper”

[(201, 162), (201, 229), (207, 162), (207, 229)] text
[(208, 162), (208, 229), (223, 162), (223, 229)] text
[(224, 162), (224, 229), (239, 162), (239, 229)] text
[(493, 255), (493, 305), (625, 255), (625, 305)] text
[(85, 339), (85, 400), (496, 339), (496, 400)] text