目标检测之YOLOV11自定义数据预处理——从原始标注到YOLO-OBB格式转换与验证

前言

从前面的文章《目标检测之YOLOV11的环境搭建》，可知，现在的yolo版本发布，与其说是一个好的算法，不如说是一个平台，不带集成了检测，分类，分割等系列的方法，同时还包括了这个算法的所有的过程，包括训练，验证，预测以及导出，这让我想起之前用yolo obb进行虾苗计数时候的种种，在配置源码的时候的过程是比较复杂的，obb这块当时是没有集成在ultralytics平台的，现在的版本种已经自动存在obb的方法的，因此我想再次用yolo obb对之前的虾苗检测重新做一次。
之前做过的例子请参考：
目标检测之YoloV5+旋转目标

一、背景与问题引入

在使用YOLOv11进行目标检测（尤其是旋转框检测，OBB）时，数据格式的适配是关键步骤。原始的标注格式是：x1 y1 x2 y2 x3 y3 x4 y4 class_name difficulty，而YOLO-OBB要求输入class_index x1 y1 x2 y2 x3 y3 x4 y4的特定格式，其中x1 y1 x2 y2 x3 y3 x4 y4是目标四个角点指定边界框，其坐标在 0 和 1 之间归一化，因此需要做一个简单的转换，当前这个的前提是我已经对原始数据进行了标注啦。

二、核心步骤：原始标注→YOLO-OBB格式转换

1. 原始标注分析

原始标注格式为：x1 y1 x2 y2 x3 y3 x4 y4 class_name difficulty（8个真实坐标+类别名+难度），在我的标签txt文件中是这样的：

947.1667987930293 472.63887625737107 519.8770434482032 545.9859254267041 503.1668012069706 448.6389237426289 930.4565565517969 375.2918745732959 shrimp 0

。YOLO-OBB要求格式为：class_index x1_norm y1_norm x2_norm y2_norm x3_norm y3_norm x4_norm y4_norm（类别索引+8个归一化坐标）。

2. 转换代码解析

核心逻辑如下：

# 关键步骤1：读取图片尺寸（用于归一化）
img = cv2.imread(image_path)
img_width, img_height = img.shape[1], img.shape[0]# 关键步骤2：坐标归一化（x_real/img_width, y_real/img_height）
normalized_coords = []
for i in range(0, 8, 2):x_real = coords[i]y_real = coords[i+1]x_norm = x_real / img_widthy_norm = y_real / img_heightnormalized_coords.extend([x_norm, y_norm])# 关键步骤3：写入YOLO格式（固定class_index=0，因你的数据仅一类）
yolo_line = "0 " + " ".join(map(str, normalized_coords))

具体代码如下：

import os
import cv2
from pathlib import Pathdef convert_label(original_label_dir: str, image_dir: str, output_dir: str) -> None:"""将原始标注转换为YOLO-OBB格式Args:original_label_dir: 原始标注txt文件所在目录image_dir: 对应图片所在目录（与txt文件名前缀一致）output_dir: YOLO-OBB格式标注输出目录"""# 创建输出目录（若不存在）os.makedirs(output_dir, exist_ok=True)# 遍历原始标注目录下的所有txt文件for txt_path in Path(original_label_dir).glob("*.txt"):# 获取图片路径（假设txt与图片同名，仅后缀不同）image_name = txt_path.stem + ".jpg"  # 假设图片是jpg格式，可根据实际情况修改image_path = os.path.join(image_dir, image_name)# 读取图片尺寸if not os.path.exists(image_path):print(f"警告：图片 {image_path} 不存在，跳过标注文件 {txt_path}")continueimg = cv2.imread(image_path)if img is None:print(f"警告：无法读取图片 {image_path}，跳过标注文件 {txt_path}")continueimg_width, img_height = img.shape[1], img.shape[0]  # (高度, 宽度, 通道数)# 读取原始标注并转换yolo_lines = []with open(txt_path, 'r') as f:for line in f:line = line.strip()if not line:  # 跳过空行continueparts = line.split()# 原始格式：x1 y1 x2 y2 x3 y3 x4 y4 class_name difficultyif len(parts) != 10:print(f"警告：无效标注行 {line}，格式应为8个坐标+类别+难度")continuecoords = list(map(float, parts[:8]))  # 前8个是坐标# 归一化坐标（x_norm = x_real / img_width，y_norm = y_real / img_height）normalized_coords = []for i in range(0, 8, 2):x_real = coords[i]y_real = coords[i+1]x_norm = x_real / img_widthy_norm = y_real / img_heightnormalized_coords.extend([x_norm, y_norm])# YOLO-OBB格式：class_index（0） x1_norm y1_norm x2_norm y2_norm x3_norm y3_norm x4_norm y4_normyolo_line = "0 " + " ".join(map(str, normalized_coords))yolo_lines.append(yolo_line)# 写入YOLO格式标注文件output_path = os.path.join(output_dir, txt_path.name)with open(output_path, 'w') as f:f.write("\n".join(yolo_lines))print(f"转换完成：{txt_path.name} -> {output_path}")def main() -> None:# -------------------------- 用户需修改的路径 --------------------------original_label_dir = "labelTxt"  # 原始标注txt目录image_dir = "/images"  # 对应图片目录output_dir = "/labels/"  # YOLO格式输出目录# -----------------------------------------------------------------------convert_label(original_label_dir, image_dir, output_dir)if __name__ == "__main__":main()

输出示例：

0 0.5551974201600406 0.36924912207607113 0.3047344920563911 0.4265515042396125 0.2949395083276498 0.3504991591739288 0.5454024364312995 0.29319677701038743

三、验证：可视化转换后的标注

为确保转换正确，使用draw_obb_bbox.py在原图上绘制四边形框。

1. 可视化脚本`draw_obb_bbox.py`解析

核心逻辑：

# 关键步骤1：读取归一化坐标并转换为像素坐标
points = []
for i in range(0, 8, 2):x_norm, y_norm = coords[i], coords[i+1]x_px = int(round(x_norm * w))y_px = int(round(y_norm * h))points.append((x_px, y_px))# 关键步骤2：使用OpenCV绘制闭合四边形
pts = np.array(points, dtype=np.int32).reshape((-1, 1, 2))
cv2.polylines(img, [pts], isClosed=True, color=(0, 255, 0), thickness=2)

详细代码：

import cv2
import numpy as np
import osdef draw_obb_bbox(label_path: str, image_path: str, output_path: str) -> None:"""在图片上绘制YOLO-OBB格式的四边形边界框Args:label_path: 标注文件路径（.txt）image_path: 原图路径（.jpg/.png等）output_path: 输出结果图路径（.jpg/.png等）Raises:FileNotFoundError: 图片或标注文件不存在"""# 校验文件存在性if not os.path.exists(label_path):raise FileNotFoundError(f"标注文件不存在: {label_path}")if not os.path.exists(image_path):raise FileNotFoundError(f"图片文件不存在: {image_path}")# 读取图片并获取尺寸img = cv2.imread(image_path)h, w = img.shape[:2]  # (高度, 宽度, 通道数)# 读取并解析标注文件with open(label_path, 'r') as f:annotations = [line.strip() for line in f.readlines() if line.strip()]  # 过滤空行for ann in annotations:parts = ann.split()if len(parts) != 9:raise ValueError(f"无效标注行: {ann}\n格式应为: class_id x1 y1 x2 y2 x3 y3 x4 y4")class_id = int(parts[0])coords = list(map(float, parts[1:9]))  # 归一化坐标列表# 转换为像素坐标（四舍五入取整）points = []for i in range(0, 8, 2):x_norm, y_norm = coords[i], coords[i+1]x_px = int(round(x_norm * w))y_px = int(round(y_norm * h))points.append((x_px, y_px))# 绘制闭合四边形（绿色，线宽2）pts = np.array(points, dtype=np.int32).reshape((-1, 1, 2))cv2.polylines(img, [pts], isClosed=True, color=(0, 255, 0), thickness=2)# 保存结果图（自动创建输出目录）os.makedirs(os.path.dirname(output_path), exist_ok=True)cv2.imwrite(output_path, img)print(f"成功绘制，结果保存至: {output_path}")def main() -> None:"""主函数，用于参数配置和流程控制"""# -------------------------- 用户需修改的路径 --------------------------label_file = "240298772856875_0.txt"image_file = "240298772856875_0.jpg"output_file = "240298772856875_0_vis.jpg"# -----------------------------------------------------------------------try:draw_obb_bbox(label_file, image_file, output_file)except Exception as e:print(f"绘制失败: {str(e)}")if __name__ == "__main__":main()