在目标检测任务中，标注文件格式的转换是数据预处理的重要环节。若需将YOLO格式的TXT标注文件转换为适用于LabelImg的JSON格式，可以通过Python脚本实现自动化转换。以下是一个完整的实现方案，涵盖从读取TXT文件中的标注信息到生成符合LabelImg兼容的JSON格式的完整流程。 ### 数据结构说明 YOLO格式的TXT文件通常每行对应一个目标，格式如下： ``` <class_id> <x_center> <y_center> <width> <height> ``` 其中坐标为归一化后的浮点数，需转换为图像中的绝对坐标。 ### 示例代码：TXT转JSON 以下代码实现了从YOLO格式TXT文件到JSON标注文件的转换，支持指定类别名称、图像尺寸等参数： ```python import os import json def yolo_to_json(txt_file, image_width, image_height, class_names, output_json_file): shapes = [] with open(txt_file, 'r') as f: lines = f.readlines() for line in lines: parts = line.strip().split() class_id = int(parts[0]) x_center = float(parts[1]) y_center = float(parts[2]) width = float(parts[3]) height = float(parts[4]) # Convert normalized YOLO coordinates to absolute pixel values xmin = int((x_center - width / 2) * image_width) ymin = int((y_center - height / 2) * image_height) xmax = int((x_center + width / 2) * image_width) ymax = int((y_center + height / 2) * image_height) shape = { "label": class_names[class_id], "points": [[xmin, ymin], [xmax, ymax]], "shape_type": "rectangle" } shapes.append(shape) json_data = { "version": "3.6.16", "flags": {}, "shapes": shapes, "lineColor": [0, 255, 0, 128], "fillColor": [0, 255, 127, 128], "imagePath": os.path.basename(txt_file).replace('.txt', '.jpg'), "imageData": None, "imageHeight": image_height, "imageWidth": image_width } with open(output_json_file, 'w') as f: json.dump(json_data, f, indent=2) ``` ### 使用示例 假设存在一个`example.txt`文件，内容如下： ``` 0 0.5 0.5 0.2 0.3 1 0.7 0.7 0.1 0.1 ``` 对应类别为`['car', 'person']`，图像尺寸为`1920x1080`，则调用方式如下： ```python class_names = ['car', 'person'] yolo_to_json('example.txt', 1920, 1080, class_names, 'output.json') ``` 生成的`output.json`文件结构如下： ```json { "version": "3.6.16", "flags": {}, "shapes": [ { "label": "car", "points": [[432, 324], [576, 684]], "shape_type": "rectangle" }, { "label": "person", "points": [[1296, 648], [1440, 864]], "shape_type": "rectangle" } ], "lineColor": [0, 255, 0, 128], "fillColor": [0, 255, 127, 128], "imagePath": "example.jpg", "imageData": null, "imageHeight": 1080, "imageWidth": 1920 } ``` 该脚本支持批量处理多个TXT文件，并生成与LabelImg兼容的JSON标注文件，适用于YOLO、Faster R-CNN等框架的数据预处理需求[^3]。