将 ICDAR 2015 的 Ground Truth 标注在图像数据上

来源：互联网发布：网络斗牛赌博作弊器编辑：程序博客网时间：2024/06/13 23:32

因为要标注数据，数据集是 ICDAR 2015 比赛中的 Challenge 4: Incidental Scene Text。

原图及标注的图像，还有给定的 ground truth 文件如下所示：

最左边是原图，中间是标注的图像，右边是 ground truth 文件内容，按顺时针顺序的坐标：x1,y1,x2,y2,x3,y3,x4,y4，最后是 words，但是如果是 ### 这种表示的，则表示不 care 文字的内容。

用 Python 将 ground truth 框住文字，代码如下：

import osimport pathimport globimport Image, ImageDraw# ground truth directorygt_text_dir = "/home/chenxp/Documents/Hitachi/ICDAR_2015/ICDAR2015_ch4/ch4_training_localization_transcription_gt"# original images directoryimage_dir = "/home/chenxp/Documents/Hitachi/ICDAR_2015/ICDAR2015_ch4/*.jpg"imgDirs = []imgLists = glob.glob(image_dir)# where to save the images with ground truth boxesimgs_save_dir = "/home/chenxp/Documents/Hitachi/ICDAR_2015/ICDAR_with_GT"for item in imgLists:    imgDirs.append(item)for img_dir in imgDirs:    img = Image.open(img_dir)    dr = ImageDraw.Draw(img)        img_basename = os.path.basename(img_dir)    (img_name, temp2) = os.path.splitext(img_basename)    # open the ground truth text file    img_gt_text_name = "gt_" + img_name + ".txt"    print img_gt_text_name    bf = open(os.path.join(gt_text_dir, img_gt_text_name)).read().decode("utf-8-sig").encode("utf-8").splitlines()    for idx in bf:        rect = []        spt = idx.split(',')        rect.append(float(spt[0]))        rect.append(float(spt[1]))        rect.append(float(spt[2]))        rect.append(float(spt[3]))        rect.append(float(spt[4]))        rect.append(float(spt[5]))        rect.append(float(spt[6]))        rect.append(float(spt[7]))        # draw the polygon with (x_1, y_1, x_2, y_2, x_3, y_3, x_4, y_4)        dr.polygon((rect[0], rect[1], rect[2], rect[3], rect[4], rect[5], rect[6], rect[7]), outline="red")    img.save(os.path.join(imgs_save_dir, img_basename))1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

上面代码中间有一句话：

bf = open(os.path.join(gt_text_dir, img_gt_text_name)).read().decode("utf-8-sig").encode("utf-8").splitlines()1
1

如果没有 decode("utf-8-sig").encode("utf-8") 这句话，那么在解析 ground truth 的 txt 文件时，会在首行多处下面的东西，如下所示：

看到了吗？第一行 \xef\xbb\xbf ，这是什么鬼？

Google 一下，在 stackoverflow 上有个问答：Split function add: \xef\xbb\xbf…\n to my list：

原来是 txt 文件编码包含了 UTF-8 BOM。

最后标注的结果如下：

0 0