annotation 数据集json格式生成

`
本文介绍了一个高效的数据转换工具，旨在将自定义的表格检测数据集自动转换为广泛使用的COCO数据格式。该工具通过解析原始的图像与文本标注，系统性地构建包含类别、图像信息及实例标注的标准化JSON文件。其核心优势在于能够精准处理四边形标注格式，完整保留表格的几何结构，同时确保与主流目标检测及实例分割框架的兼容性。此项工作为表格检测模型的训练与评估提供了高质量、标准化的数据基础，有效促进了相关研究的发展与复现。

前言

使用opencv + python的方法来进行实现

代码如下（示例）：

import json
import os
import cv2

root_path = "G:/dataset"
ann_path = "C:/dataset/anno/"
phase = "train"

# 打开类别标签和数字id的对应关系
with open(os.path.join(root_path, 'classes.txt')) as f:
    classes = f.read().strip()

dataset = {'categories': [], "images": [], "annotations": []}
# 建立类别标签和数字id的对应关系
for i, cls in enumerate(classes, 1):
    dataset['categories'].append({'id': i, 'name': 'table', 'supercategory': 'table'})
    print(dataset)
    # 读取images文件夹的图片名称
    indexes = [f for f in os.listdir(os.path.join(root_path, 'train'))]
    # 读取Bbox信息
    w = 0
    for k, index in enumerate(indexes):
        # print(index)
        im = cv2.imread(os.path.join(root_path, 'train/') + index)
        # 用opencv读取图片，得到图像的宽和高
        height, width, _ = im.shape
        # 添加图像的信息到dataset中
        dataset['images'].append({'file_name': index,
                                  'id': k,
                                  'width': width,
                                  'height': height})
        with open(os.path.join(ann_path, index.replace('jpg', 'txt'))) as tr:
            annos = tr.readlines()
        for ii, anno in enumerate(annos):
            parts = anno.strip().split(' ')
            # 如果图像的名称和标记的名称对上，则添加标记
            if parts[0] == index and len(parts) == 18:
                print(parts[0])
                # 类别
                cls_id = parts[1]
                # width = parts[2]
                # height = parts[3]
                # 面积
                area = float(parts[4])
                iscrowd = int(parts[5])
                x1 = float(parts[6])
                y1 = float(parts[7])
                x2 = float(parts[8])
                y2 = float(parts[9])
                x3 = float(parts[10])
                y3 = float(parts[11])
                x4 = float(parts[12])
                y4 = float(parts[13])
                bbox1 = float(parts[14])
                bbox2 = float(parts[15])
                bbox3 = float(parts[16])
                bbox4 = float(parts[17])
                dataset['annotations'].append({
                    'area': area,
                    'bbox': [bbox1, bbox2, bbox3, bbox4],
                    'category_id': int(cls_id),
                    'id': w,
                    'image_id': k,
                    'iscrowd': 0,
                    'segmentation': [[x1, y1, x2, y2, x3, y3, x4, y4]]
                })
            w += 1
            print(w)

# 保存结果的文件夹
print(dataset)
folder = os.path.join(root_path, 'annotations1')
if not os.path.exists(folder):
    os.makedirs(folder)
json_name = os.path.join(root_path, 'annotations1/{}.json'.format(phase))
with open(json_name, 'w') as f:
    json.dump(dataset, f)