完美解决labelimg xml转可视化中文乱码问题，不用matplotlib

背景简述

我们有一批标注项目要转可视化，因为之前没有做过，然后网上随意找了一段代码测试完美（并没有）搞定，开始疯狂标注，当真正要转的时候傻眼了，因为测试的时候用的是英文标签，实际标注的是中文标签，结果都是一大堆？？？？？？，在这里插入图片描述
结果瞬间让我满脑袋？？？？？？，赶紧找资料解决，各种方法试了个遍，网上大多数都是用cv2+matplotlib实现的计算和渲染，所以解决的主要思想就是集中在各种显示的设置matplotlib字体，然并卵；最后找到一种另辟蹊径的办法使用PIL+cv2实现，最后完美解决，在这里插入图片描述
贴上解决代码：

import cv2
import os
import numpy as np  
from PIL import Image, ImageDraw, ImageFont
import xml.etree.ElementTree as ETdata_path = 'E:\\test\\tianjingulou'
imgs_path = os.path.join(data_path, "img")
anns_path = os.path.join(data_path, "xml")
result_path = os.path.join(data_path)img_names = set([os.path.splitext(i)[0] for i in os.listdir(imgs_path)])
ann_names = set([os.path.splitext(i)[0] for i in os.listdir(anns_path)])
img_names = list(img_names)
ann_names = list(ann_names)for i in range(len(img_names)):img_path = os.path.join(imgs_path, img_names[i] + ".jpg")img_bgr = cv2.imread(img_path)xml_path = os.path.join(anns_path, ann_names[i] + ".xml")xml_inf = open(xml_path, encoding='utf-8')tree = ET.parse(xml_inf)root = tree.getroot()bbox_color = (0, 129, 255)bbox_thickness = 2# 把rgb转成16进制'#0081FF'bbox_color_str = "#{:02x}{:02x}{:02x}".format(*bbox_color)# 把rgb转成bgr再转16进制'#FF8100'# bbox_color_rgb = bbox_color[::-1]# bbox_color_str = "#{:02x}{:02x}{:02x}".format(*bbox_color_rgb)bbox_labelstr = {'font_size': 16,'font_thickness': 2,'offset_x': 0,'offset_y': -20,}# 创建一个空白图像img_pil = Image.fromarray(cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB))draw = ImageDraw.Draw(img_pil)# 设置字体  SimHei.ttf黑体，msyh.ttf微软雅黑# 打开命令行窗口或者Anaconda Prompt，输入python，进入python解释器窗口，#   输入import matplotlib;引入可视化库；#   然后输入print(matplotlib.matplotlib_fname())打印出当前库所在位置；#   进入到上面打印出的路径下字体目录：mpl-data\\fonts\\ttf，下载中文字体放进去font_path = "D:\\ProgramData\\anaconda3\\Lib\\site-packages\\matplotlib\\mpl-data\\fonts\\ttf\\msyh.ttf"  # 请替换为实际路径font = ImageFont.truetype(font_path, bbox_labelstr['font_size'])# 画框和文字for obj in root.iter('object'):bbox_label = obj.find('name').textbbox_top_left_x = int(obj.find('bndbox').find('xmin').text)bbox_top_left_y = int(obj.find('bndbox').find('ymin').text)bbox_bottom_right_x = int(obj.find('bndbox').find('xmax').text)bbox_bottom_right_y = int(obj.find('bndbox').find('ymax').text)draw.rectangle([(bbox_top_left_x, bbox_top_left_y), (bbox_bottom_right_x, bbox_bottom_right_y)],outline=bbox_color, width=bbox_thickness)draw.text((bbox_top_left_x + bbox_labelstr['offset_x'], bbox_top_left_y + bbox_labelstr['offset_y']),bbox_label, font=font, fill=bbox_color_str)img_bgr = cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)# 保存图像cv2.imwrite(result_path + "\\{}.jpg".format(img_names[i]), img_bgr)

下面是matplotlib+cv2版代码

# 数据集可视化
import cv2
import os
import matplotlib.pyplot as plt
import xml.etree.ElementTree as ET# 设置 Matplotlib 使用的字体为黑体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False imgs_path = 'E:\\test\\tianjingulou\\img'
anns_path = 'E:\\test\\tianjingulou\\xml'img_names = set([os.path.splitext(i)[0] for i in os.listdir(imgs_path)])
ann_names = set([os.path.splitext(i)[0] for i in os.listdir(anns_path)])
img_names = list(img_names)
ann_names = list(ann_names)for i in range(len(img_names)):img_path = os.path.join(imgs_path, img_names[i] + ".jpg")img_bgr = cv2.imread(img_path)xml_path = os.path.join(anns_path, ann_names[i] + ".xml")xml_inf = open(xml_path, encoding='utf-8')tree = ET.parse(xml_inf)root = tree.getroot()# 框可视化配置bbox_color = (255, 129, 0)  # 框的颜色bbox_thickness = 2  # 框的线宽# 框类别文字bbox_labelstr = {'font_size': 1,  # 字体大小'font_thickness': 2,  # 字体粗细'offset_x': 0,  # X 方向，文字偏移距离，向右为正'offset_y': -10,  # Y 方向，文字偏移距离，向下为正}
# 画框for obj in root.iter('object'):  # 一个object代表一个标注物体# 框的类别bbox_label = obj.find('name').text# 框的两点坐标# 左上角坐标bbox_top_left_x = int(obj.find('bndbox').find('xmin').text)bbox_top_left_y = int(obj.find('bndbox').find('ymin').text)# 右下角坐标bbox_bottom_right_x = int(obj.find('bndbox').find('xmax').text)bbox_bottom_right_y = int(obj.find('bndbox').find('ymax').text)# 画矩形：画框img_bgr = cv2.rectangle(img_bgr, (bbox_top_left_x, bbox_top_left_y), (bbox_bottom_right_x, bbox_bottom_right_y),bbox_color, bbox_thickness)# 写框类别文字：图片，文字字符串，文字左上角坐标，字体，字体大小，颜色，字体粗细img_bgr = cv2.putText(img_bgr, bbox_label, (bbox_top_left_x + bbox_labelstr['offset_x'],bbox_top_left_y + bbox_labelstr['offset_y']),cv2.FONT_HERSHEY_SIMPLEX, bbox_labelstr['font_size'], bbox_color,bbox_labelstr['font_thickness'])cv2.imwrite("E:\\test\\tianjingulou\\{}.jpg".format(img_names[i]), img_bgr)

写在最后，matplotlib的方式应该也有解决的办法，也可能是我的环境问题，提供这两种方式大家各取所需，下面这种方式是我从一位博主那里拷贝来稍加改动的，但是我找不到出处了，如有侵权请联系我删除。

----------------------------------------------华丽分割-------------------------------------------------
追加一种类似的写法，这个是宋体，字体可以酌情替换，亲测可用

import cv2
import os
import matplotlib.pyplot as plt
import xml.etree.ElementTree as ET
import numpy as np# 导入 PIL 库
import PIL.Image
import PIL.ImageDraw
import PIL.ImageFontdata_path = os.path.join("E:\\test\\tianjingulou")
imgs_path = os.path.join(data_path, "img")
anns_path = os.path.join(data_path, "xml")# 获取图像名称和标注名称
img_names = set(os.path.splitext(i)[0] for i in os.listdir(imgs_path))
ann_names = set(os.path.splitext(i)[0] for i in os.listdir(anns_path))
img_names = list(img_names)
ann_names = list(ann_names)# 遍历所有图像
for i, img_name in enumerate(img_names):# 读取图像img_bgr = cv2.imread(os.path.join(imgs_path, img_name + ".jpg"))# 读取标注xml_path = os.path.join(anns_path, img_name + ".xml")xml_inf = open(xml_path, encoding='utf-8')tree = ET.parse(xml_inf)root = tree.getroot()# 画框for obj in root.iter('object'):# 获取框的类别bbox_label = obj.find('name').text# 获取框的两点坐标bbox_top_left_x = int(obj.find('bndbox').find('xmin').text)bbox_top_left_y = int(obj.find('bndbox').find('ymin').text)bbox_bottom_right_x = int(obj.find('bndbox').find('xmax').text)bbox_bottom_right_y = int(obj.find('bndbox').find('ymax').text)# 画矩形img_bgr = cv2.rectangle(img_bgr, (bbox_top_left_x, bbox_top_left_y), (bbox_bottom_right_x, bbox_bottom_right_y),(255, 129, 0), 2)# 写框类别文字# 转换为 PIL 图像img_pil = PIL.Image.fromarray(img_bgr)# 使用 PIL 绘制文本font = PIL.ImageFont.truetype("simsun.ttc", 16)draw = PIL.ImageDraw.Draw(img_pil)draw.text((bbox_top_left_x, bbox_top_left_y - 18), bbox_label, font=font, fill=(255, 129, 0))# 直接使用 PIL 图像img_bgr = np.array(img_pil)# 保存图像cv2.imwrite(data_path + "\\{}.jpg".format(img_name), img_bgr)

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/227234.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

基于linux系统的Tomcat+Mysql+Jdk环境搭建（三）centos7 安装Tomcat

基于linux系统的Tomcat+Mysql+Jdk环境搭建（三）centos7 安装Tomcat

Tomcat下载官网： Apache Tomcat - Which Version Do I Want? JDK下载官网： Java Downloads | Oracle 中国 如果不知道Tomcat的哪个版本应该对应哪个版本的JDK可以打开官网，点击Whitch Version 下滑，有低版本的，如…
阅读更多...
Flutter实现Android拖动到垃圾桶删除效果-Draggable和DragTarget的详细讲解

Flutter实现Android拖动到垃圾桶删除效果-Draggable和DragTarget的详细讲解

文章目录 Draggable介绍构造函数参数说明使用示例 DragTarget 介绍构造函数参数说明使用示例 DragTarget 如何接收Draggable传递过来的数据？ Draggable介绍 Draggable是Flutter框架中的一个小部件，用于支持用户通过手势拖动一个子部件。它是基于手势的一…
阅读更多...
知识付费小程序开发：技术实践示例

知识付费小程序开发：技术实践示例

随着知识付费小程序的兴起，让我们一起来看一个简单的示例，使用Node.js和Express框架搭建一个基础的知识付费小程序后端。 首先，确保你已经安装了Node.js和npm。接下来，创建一个新的项目文件夹，然后通过以下步骤创建你…
阅读更多...
适用于 Windows 和 Mac 的 10 款最佳照片恢复软件（免费和付费）

适用于 Windows 和 Mac 的 10 款最佳照片恢复软件（免费和付费）

丢失照片很容易。这里点击错误，那里贴错标签的 SD 卡，然后噗的一声，一切都消失了。值得庆幸的是，在技术领域，你可以纠正一些错误。其中包括删除数据或格式化错误的存储设备。 那么，让我们看看可用于从 SD …
阅读更多...
[c++]—vector类___提升版(带你了解vector底层的运用）

[c++]—vector类___提升版(带你了解vector底层的运用）

我写我 不论主谓宾 可以反复错 🌈vector的介绍 1.vector是表示可变大小数组的序列容器2.就像数组一样，vector也采用的连续存储空间来存储元素，也就是意味着可以采用下标对vector的元素进行访问，和数组一样高效。但是又不像数组&…
阅读更多...
工业性能CCD图像处理+

工业性能CCD图像处理+

目录 硬件部分 ​编辑 软件部分 CCD新相机的调试处理（更换相机处理，都要点执行检测来查看图像变化） 问题:新相机拍摄出现黑屏，图像拍摄不清晰，（可以点击图像，向下转动鼠标的滚轮&#xff08…
阅读更多...
基于linux系统的Tomcat+Mysql+Jdk环境搭建（一）vmare centos7 设置静态ip和连接MobaXterm

基于linux系统的Tomcat+Mysql+Jdk环境搭建（一）vmare centos7 设置静态ip和连接MobaXterm

特别注意，Windows10以上版本操作系统需要下载安装VMware Workstation Pro16及以上版本，安装方式此处略。 (可忽略 my*** 记录设置的vamare centos7 账号root/aaa 密码：Aa123456 ) 1、命令行和图形界面切换 如果使用的是VMware虚拟机&…
阅读更多...
金智融门户（统一身份认证）同步数据至钉钉通讯录

金智融门户（统一身份认证）同步数据至钉钉通讯录

前言：因全面使用金智融门户和数据资产平台，二十几个信息系统已实现统一身份认证和数据同步，目前单位使用的钉钉尚未同步组织机构和用户信息，职工入职、离职、调岗时都需要手工在钉钉后台操作，一是操作繁琐，二是钉钉通讯录更新不及时或经常遗漏，带来管理问题。通过金智融…
阅读更多...
CAD 审图意见的导出

CAD 审图意见的导出

看图的时候喜欢在图上直接标注意见，但是如果还要再把意见一行一行的导出到word里面就很麻烦，在网上看了一个审图软件，报价要980，而且那个审图意见做的太复杂了。 我的需求就是把图上标的单行文字和多行文字直接导出来就行&#x…
阅读更多...
debug点f8step over会进入class文件

debug点f8step over会进入class文件

File->settings->Bulid.Executiong.Deployment->Debugger->Stepping 取消如图对钩即可
阅读更多...
二十七、读写文件

二十七、读写文件

二十七、读写文件 27.1 文件类QFile #include <QCoreApplication>#include<QFile> #include<QDebug>int main(int argc, char *argv[]) {QCoreApplication a(argc, argv);QFile file("D:/main.txt");if(!file.open(QIODevice::WriteOnly | QIODe…
阅读更多...
three.js模拟太阳系

three.js模拟太阳系

地球的旋转轨迹目前设置为了圆形&#xff0c;效果&#xff1a; <template><div><el-container><el-main><div class"box-card-left"><div id"threejs" style"border: 1px solid red"></div><div c…
阅读更多...
idea第一次提交到git（码云）

idea第一次提交到git（码云）

1.先创建一个仓库 2.将idea和仓库地址绑定 2.将idea和仓库地址绑定
阅读更多...
CentOS 7系统加固详细方案SSH FTP MYSQL加固

CentOS 7系统加固详细方案SSH FTP MYSQL加固

一、删除后门账户 修改强口令 1、修改改密码长度需要编译login.defs文件 vi /etc/login.defs PASS_MIN_LEN 82、注释掉不需要的用户和用户组 或者 检查是否存在除root之外UID为0的用户 使用如下代码&#xff0c;对passwd文件进行检索&#xff1a; awk -F : ($30){print $1) …
阅读更多...
『K8S 入门』二：深入 Pod

『K8S 入门』二：深入 Pod

『K8S 入门』二&#xff1a;深入 Pod 一、基础命令 获取所有 Pod kubectl get pods2. 获取 deploy kubectl get deploy3. 删除 deploy&#xff0c;这时候相应的 pod 就没了 kubectl delete deploy nginx4. 虽然删掉了 Pod&#xff0c;但是这是时候还有 service&#xff0c…
阅读更多...
轻松搭建FPGA开发环境：第三课——Vivado 库编译与设置说明

轻松搭建FPGA开发环境：第三课——Vivado 库编译与设置说明

工欲善其事必先利其器&#xff0c;很多人想从事FPGA的开发&#xff0c;但是不知道如何下手。既要装这个软件&#xff0c;又要装那个软件&#xff0c;还要编译仿真库&#xff0c;网上的教程一大堆&#xff0c;不知道到底应该听谁的。所以很多人还没开始就被繁琐的开发环境搭建吓…
阅读更多...
电子学会C/C++编程等级考试2021年06月（六级）真题解析

电子学会C/C++编程等级考试2021年06月（六级）真题解析

C/C++等级考试（1~8级）全部真题・点这里 第1题：逆波兰表达式 逆波兰表达式是一种把运算符前置的算术表达式，例如普通的表达式2 + 3的逆波兰表示法为+ 2 3。逆波兰表达式的优点是运算符之间不必有优先级关系，也不必用括号改变运算次序，例如(2 + 3) * 4的逆波兰表示法为* +…
阅读更多...
智能优化算法应用：基于动物迁徙算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用：基于动物迁徙算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于动物迁徙算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于动物迁徙算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.动物迁徙算法4.实验参数设定5.算法结果6.…
阅读更多...
不同的葡萄酒瓶盖会影响葡萄酒饮用的体验

不同的葡萄酒瓶盖会影响葡萄酒饮用的体验

首先&#xff0c;不同的葡萄酒瓶盖会影响我们找到想要喝的葡萄酒的难易程度。螺旋盖、Zork瓶塞和起泡酒“蘑菇形瓶塞”赢得了直接的满足感&#xff0c;它们只需要拔瓶塞不需要开瓶器。来自云仓酒庄品牌雷盛红酒分享对于所有其他的酒瓶封口&#xff0c;我们都需要一个工具来打开…
阅读更多...
论文阅读——Mask DINO（cvpr2023）

论文阅读——Mask DINO（cvpr2023）

DINO是检测&#xff0c;Mask DINO是检测分割。 几个模型对比&#xff1a; 传统的检测分割中&#xff0c;检测头和分割头是平行的&#xff0c;Mask DINO使用二分图匹配bipartite matching提高匹配结果的准确性。 box对大的类别不计算损失&#xff0c;因为太大了&#xff0c;会…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023