告别手动转换！用Python脚本一键搞定LabelImg的YOLO txt与VOC xml格式互转
数据标注是计算机视觉项目中最耗时但至关重要的环节。当你用LabelImg完成标注后，却发现不同框架需要不同格式——YOLO要求txt，VOC需要xml。手动转换不仅效率低下，还容易出错。本文将带你用Python脚本实现两种格式的智能互转，彻底解决这个痛点。
1. 理解标注格式的本质差异
1.1 YOLO格式的坐标体系
YOLO使用的.txt文件采用相对坐标表示法，每行对应一个标注对象，格式为：
<class_id> <x_center> <y_center> <width> <height>其中所有数值都是相对于图像宽高的比例值（0-1之间）。例如：
0 0.435 0.512 0.120 0.300表示：
- 类别ID为0的对象
- 中心点位于图像宽度的43.5%和高度的51.2%处
- 宽度占图像总宽的12%，高度占30%
1.2 VOC格式的XML结构
PASCAL VOC的.xml文件则采用绝对坐标，包含完整的元信息：
<annotation> <size> <width>1920</width> <height>1080</height> </size> <object> <name>person</name> <bndbox> <xmin>500</xmin> <ymin>300</ymin> <xmax>700</xmax> <ymax>800</ymax> </bndbox> </object> </annotation>关键区别在于：
- 使用具体像素值而非比例
- 包含完整的图像路径和尺寸信息
- 支持更多属性（如difficult、truncated等）
2. 转换核心算法解析
2.1 YOLO转VOC的数学原理
转换核心是将相对坐标转为绝对坐标，计算公式为：
xmin = (x_center - width/2) * image_width xmax = (x_center + width/2) * image_width ymin = (y_center - height/2) * image_height ymax = (y_center + height/2) * image_heightPython实现关键代码：
def yolo_to_voc(x_center, y_center, width, height, img_w, img_h): xmin = int((x_center - width/2) * img_w) xmax = int((x_center + width/2) * img_w) ymin = int((y_center - height/2) * img_h) ymax = int((y_center + height/2) * img_h) return xmin, ymin, xmax, ymax2.2 VOC转YOLO的逆向计算
反向转换公式：
x_center = ((xmin + xmax)/2) / image_width y_center = ((ymin + ymax)/2) / image_height width = (xmax - xmin) / image_width height = (ymax - ymin) / image_height对应代码实现：
def voc_to_yolo(xmin, ymin, xmax, ymax, img_w, img_h): x_center = (xmin + xmax) / 2 / img_w y_center = (ymin + ymax) / 2 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h return x_center, y_center, width, height3. 完整脚本实现与优化
3.1 批量转换脚本架构
建议采用以下目录结构：
convert_tool/ ├── input/ │ ├── images/ # 原始图片 │ ├── yolo_txt/ # YOLO格式标注 │ └── voc_xml/ # VOC格式标注 ├── output/ ├── classes.txt # 类别定义文件 └── converter.py # 转换脚本3.2 增强版转换脚本
import os import cv2 import xml.etree.ElementTree as ET from tqdm import tqdm # 进度条显示 class LabelConverter: def __init__(self, class_file): with open(class_file) as f: self.classes = [line.strip() for line in f.readlines()] def txt_to_xml(self, txt_path, img_path, output_dir): """YOLO txt转VOC xml""" img = cv2.imread(img_path) h, w = img.shape[:2] xml_content = [] xml_content.append('<annotation>') xml_content.append(f'<filename>{os.path.basename(img_path)}</filename>') xml_content.append('<size>') xml_content.append(f'<width>{w}</width>') xml_content.append(f'<height>{h}</height>') xml_content.append('<depth>3</depth>') xml_content.append('</size>') with open(txt_path) as f: for line in f: class_id, xc, yc, bw, bh = map(float, line.split()) xmin, ymin, xmax, ymax = self._yolo_to_voc(xc, yc, bw, bh, w, h) xml_content.append('<object>') xml_content.append(f'<name>{self.classes[int(class_id)]}</name>') xml_content.append('<bndbox>') xml_content.append(f'<xmin>{xmin}</xmin>') xml_content.append(f'<ymin>{ymin}</ymin>') xml_content.append(f'<xmax>{xmax}</xmax>') xml_content.append(f'<ymax>{ymax}</ymax>') xml_content.append('</bndbox>') xml_content.append('</object>') xml_content.append('</annotation>') output_path = os.path.join(output_dir, os.path.splitext(os.path.basename(txt_path))[0] + '.xml') with open(output_path, 'w') as f: f.write('\n'.join(xml_content)) def batch_convert(self, input_dir, output_dir, img_dir, mode='txt2xml'): """批量转换入口""" os.makedirs(output_dir, exist_ok=True) if mode == 'txt2xml': for txt_file in tqdm(os.listdir(input_dir)): if txt_file.endswith('.txt'): img_name = os.path.splitext(txt_file)[0] + '.jpg' self.txt_to_xml( os.path.join(input_dir, txt_file), os.path.join(img_dir, img_name), output_dir ) elif mode == 'xml2txt': # 实现XML到TXT的转换逻辑 pass @staticmethod def _yolo_to_voc(xc, yc, bw, bh, img_w, img_h): """坐标转换核心方法""" xmin = int((xc - bw/2) * img_w) xmax = int((xc + bw/2) * img_w) ymin = int((yc - bh/2) * img_h) ymax = int((yc + bh/2) * img_h) return max(0, xmin), max(0, ymin), min(img_w, xmax), min(img_h, ymax)提示：脚本中添加了边界检查，确保转换后的坐标不会超出图像范围
4. 实战问题排查指南
4.1 常见错误及解决方案
| 错误现象 | 可能原因 | 解决方法 |
|---|---|---|
| 转换后坐标异常 | 图像尺寸读取错误 | 使用OpenCV的imread检查图像加载 |
| 类别ID越界 | classes.txt与标注不匹配 | 确认类别文件与标注使用相同顺序 |
| 文件路径错误 | 相对路径处理不当 | 使用os.path.abspath转为绝对路径 |
| 内存不足 | 大尺寸图像批量处理 | 分批次处理或优化图像加载方式 |
4.2 高级调试技巧
- 可视化验证：转换后使用以下代码检查标注是否准确：
import matplotlib.pyplot as plt import matplotlib.patches as patches def plot_boxes(img_path, xml_path): img = plt.imread(img_path) fig, ax = plt.subplots(1) ax.imshow(img) tree = ET.parse(xml_path) for obj in tree.findall('object'): box = obj.find('bndbox') xmin = int(box.find('xmin').text) ymin = int(box.find('ymin').text) xmax = int(box.find('xmax').text) ymax = int(box.find('ymax').text) rect = patches.Rectangle( (xmin, ymin), xmax-xmin, ymax-ymin, linewidth=2, edgecolor='r', facecolor='none') ax.add_patch(rect) plt.show()- 性能优化：处理大规模数据集时：
- 使用多进程加速：
from multiprocessing import Pool def parallel_convert(args): converter, txt, img, out = args converter.txt_to_xml(txt, img, out) with Pool(4) as p: # 4个进程 p.map(parallel_convert, task_list)- 异常处理增强：在转换函数中添加完整性检查：
def safe_convert(txt_path, img_path, output_dir): try: if not os.path.exists(img_path): raise FileNotFoundError(f"Missing image: {img_path}") # 检查标注文件非空 if os.path.getsize(txt_path) == 0: print(f"Warning: Empty annotation {txt_path}") return # 执行转换 self.txt_to_xml(txt_path, img_path, output_dir) except Exception as e: print(f"Error processing {txt_path}: {str(e)}") with open('conversion_errors.log', 'a') as f: f.write(f"{txt_path}\t{str(e)}\n")5. 扩展应用场景
5.1 与其他工具的集成
将转换脚本集成到标注流水线中：
- LabelImg插件：通过修改LabelImg源码，在保存时自动生成两种格式
- CI/CD流程：在模型训练前自动统一标注格式
- 数据增强管道：格式转换与图像增强同步进行
5.2 支持更多格式
扩展脚本以支持更多流行格式：
- COCO JSON：适用于MMDetection等框架
- TFRecord：TensorFlow标准格式
- CSV：简化版表格格式
添加新格式的转换只需实现对应的坐标计算逻辑，例如COCO格式：
def to_coco(self, txt_path, img_path, img_id, ann_id): img = cv2.imread(img_path) h, w = img.shape[:2] with open(txt_path) as f: annotations = [] for line in f: class_id, xc, yc, bw, bh = map(float, line.split()) xmin, ymin, xmax, ymax = self._yolo_to_voc(xc, yc, bw, bh, w, h) annotations.append({ "id": ann_id[0], "image_id": img_id, "category_id": int(class_id), "bbox": [xmin, ymin, xmax-xmin, ymax-ymin], "area": (xmax-xmin)*(ymax-ymin), "iscrowd": 0 }) ann_id[0] += 1 return { "images": [{ "id": img_id, "width": w, "height": h, "file_name": os.path.basename(img_path) }], "annotations": annotations, "categories": [ {"id": i, "name": name} for i, name in enumerate(self.classes) ] }
