目录
1.LabelImg标注的YOLO格式的TXT标签
Opencv+YOLO-V3实现目标跟踪
YOLO-V3实时检测实现（opencv+python实现）——改进——＞更加的易懂
YOLO-V3实时检测实现（opencv+python实现）
1.LabelImg标注的YOLO格式的TXT标签
关于LabelImg下载及使用：标注工具 labelImg 的下载安装及使用
首先标注一张图片：
查看标签.txt文件：
提示：如果我们要进行训练的话，那么需要上面的坐标进行变换一下，得到框的左上角的坐标和右下角的坐标。
现在我们要根据中心坐标和边框得到左上角（xmin,ymin）和右下角（xmax,ymax）坐标：
变换公式如下：
提示：现在已经知道坐标之间的关系了，那么可以使用python进行求解：
- 第一步从标注的.txt文件中读取数据；
- 第二步将读取的数据利用上面的公式进行转换；
def Xmin_Xmax_Ymin_Ymax():
img_path = "data/train/000_0.png"
txt_path = "data/XML/000_0.txt"
img = cv2.imread(img_path)
# 获取图片的高宽
h, w, _ = img.shape
txt_path="data/XML/000_0.txt"
#读取TXT文件 中的中心坐标和框大小
with open(txt_path,"r") as fp:
#以空格划分
contline=fp.readline().split(' ')
#contline : class x_center y_center width height
print(contline)
#计算框的左上角坐标和右下角坐标,使用strip将首尾空格去掉
xmin=float((contline[1]).strip())-float(contline[3].strip())/2
xmax=float(contline[1].strip())+float(contline[3].strip())/2
ymin = float(contline[2].strip()) - float(contline[4].strip()) / 2
ymax = float(contline[2].strip()) + float(contline[4].strip()) / 2
#将坐标（0-1之间的值）还原回在图片中实际的坐标位置
xmin,xmax=w*xmin,w*xmax
ymin,ymax=h*ymin,h*ymax
return (xmin,xmax,ymin,ymax)将返回的坐标利用opencv将框绘制出来：
def draw(tupelist):
img_path = "data/train/000_0.png"
img = cv2.imread(img_path)
xmin=tupelist[0]
xmax=tupelist[1]
ymin=tupelist[2]
ymax=tupelist[3]
cv2.rectangle(img,(int(xmin),int(ymin)),(int(xmax),int(ymax)),(255,0,255),2)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()import cv2
import os
import numpy as np
if __name__ == '__main__':
tuplelist=Xmin_Xmax_Ymin_Ymax()
draw(tuplelist)
