### 将Numpy数组(.npy)文件转换为VOC格式 #### 工具准备 为了实现从`.npy`文件到VOC格式的转换，可以借助Python编程环境以及一些常用的库来完成此过程。主要依赖于NumPy用于处理.npz/.npy文件中的数据，Pillow(PIL)用于图像操作，还有可能需要用到labelme工具的部分功能来进行最终的数据集构建[^1]。 #### 方法概述 由于VOC格式不仅包含图像本身还包含了对应的XML描述文件，因此整个流程分为几个部分： - **加载并解析.npy文件** 需要先将存储在numpy array形式下的标签信息读入内存中。 - **创建相应的目录结构** VOC数据集中有特定的文件夹布局，比如JPEGImages存放原始图片，Annotations存放与之匹配的xml标注文件等。 - **生成符合标准的XML文件** 对应每一张输入图像及其mask（如果有的话），都需要按照PASCAL VOC的要求编写好对象位置、类别名称等相关属性。 - **保存结果至指定路径下** #### 实现代码示例 以下是具体的操作步骤及相应代码片段： ```python import os from xml.etree.ElementTree import Element, SubElement, tostring from xml.dom.minidom import parseString import numpy as np from PIL import Image def create_pascal_voc_xml(file_name, img_size, objects_info): """ 创建pascal voc XML 文件 """ node_root = Element('annotation') folder_name = 'VOC2007' file_name = f'{file_name}.jpg' node_folder = SubElement(node_root, 'folder') node_filename = SubElement(node_root, 'filename') node_source = SubElement(node_root, 'source') node_database = SubElement(node_source, 'database') node_annotation = SubElement(node_source, 'annotation') node_image = SubElement(node_source, 'image') node_height = SubElement(node_size, 'height') node_width = SubElement(node_size, 'width') node_depth = SubElement(node_size, 'depth') node_segmented = SubElement(node_root, 'segmented') node_object = SubElement(node_root, 'object') node_name = SubElement(node_object, 'name') node_pose = SubElement(node_object, 'pose') node_truncated = SubElement(node_object, 'truncated') node_difficult = SubElement(node_object, 'difficult') node_bndbox = SubElement(node_object, 'bndbox') node_xmin = SubElement(node_bndbox, 'xmin') node_ymin = SubElement(node_bndbox, 'ymin') node_xmax = SubElement(node_bndbox, 'xmax') node_ymax = SubElement(node_bndbox, 'ymax') node_folder.text = folder_name node_filename.text = file_name node_database.text = 'Unknown' node_annotation.text = 'PASCAL VOC2007' node_image.text = 'flickr' node_height.text = str(img_size[0]) node_width.text = str(img_size[1]) node_depth.text = str(3) node_segmented.text = '0' for obj in objects_info: name, xmin, ymin, xmax, ymax = obj['name'], int(obj['bbox'][0]), \ int(obj['bbox'][1]), int(obj['bbox'][2]), int(obj['bbox'][3]) node_name.text = name node_pose.text = 'Unspecified' node_truncated.text = '0' node_difficult.text = '0' node_xmin.text = str(xmin) node_ymin.text = str(ymin) node_xmax.text = str(xmax) node_ymax.text = str(ymax) def convert_npy_to_voc(npy_path, output_dir='output'): """ .npy to pascal voc format """ if not os.path.exists(output_dir): os.makedirs(os.path.join(output_dir,'JPEGImages')) os.makedirs(os.path.join(output_dir,'Annotations')) data = np.load(npy_path).item() image_array = data.get('image', None) object_list = data.get('objects', []) # Save the image into JPEGImages directory. im = Image.fromarray(image_array.astype(np.uint8)) save_img_path = os.path.join( output_dir, 'JPEGImages', '{}.jpg'.format(os.path.basename(npy_path).split('.')[0])) im.save(save_img_path) # Create and save annotation files under Annotations dirctory. size = (im.height, im.width, len(im.mode)) tree = create_pascal_voc_xml( os.path.basename(npy_path), size=size, objects_info=object_list) domtree = parseString(tostring(tree)) with open(os.path.join(output_dir, 'Annotations', '%s.xml' % os.path.splitext(os.path.basename(npy_path))[0]), mode="w", encoding="utf-8") as fp: fp.write(domtree.toprettyxml(indent="\t")) convert_npy_to_voc('example.npy') # Replace this line according your actual situation. ``` 上述脚本假设每个`.npy`文件内含有两个键：一个是`image`, 表示原图；另一个是`objects`列表，其中每一个元素都是字典类型，记录着目标物体的名字(`name`)和边界框坐标(`bbox`). 如果实际使用的`.npy`文件结构不同，则需调整这部分逻辑以适应实际情况。