深度学习数据集分割json文件转目标检测txt文件

平时在网上找数据集或者师兄师姐给到的数据集有部分是做分割的数据集，标注是以矩形框的形式进行标注的，而我们现在常用的目标检测所使用的数据集一般是按照矩形框进行标注的，这里给出一种json转txt的方法（需要json转png+txt私聊），整体思路大概是获取多边形标注框的所有坐标点的最大最小坐标，达到框选整个目标的需求。

效果如可以看下图，所有的类别和标注框都正常，右图为json标注效果，左图为转换后txt效果

代码如下

import os
import json

# 定义JSON文件夹路径和输出txt文件夹路径
json_folder = r'f:\111' #修改为json文件夹
output_txt_folder = r'f:\333' #修改为输出txt文件夹

# 类别列表
category_list = ["Tailings Ponds", "Bare Land", "Water Reservoir"] #这里需要修改列出所有标签

# 列出文件夹中的所有JSON文件
json_files = [f for f in os.listdir(json_folder) if f.endswith('.json')]

for json_file in json_files:
    with open(os.path.join(json_folder, json_file), 'r') as f:
        data = json.load(f)

    output_txt_path = os.path.join(output_txt_folder, json_file.replace('.json', '.txt'))

    with open(output_txt_path, 'w') as txt_file:

        for shape in data['shapes']:
            category = category_list.index(shape['label'])
            points = shape['points']
            x_values = [point[0] for point in points]
            y_values = [point[1] for point in points]
            x_min = min(x_values)
            x_max = max(x_values)
            y_min = min(y_values)
            y_max = max(y_values)

            x_center = max(0, (x_min + x_max) / 2.0 / data['imageWidth'])
            y_center = max(0, (y_min + y_max) / 2.0 / data['imageHeight'])
            width = max(0, (x_max - x_min) / data['imageWidth'])
            height = max(0, (y_max - y_min) / data['imageHeight'])
            txt_file.write(f"{category} {x_center} {y_center} {width} {height}\n")

    print(f"Saved normalized coordinates to: {output_txt_path}")