#註：此代碼稍作修改也可以用於WFLW人臉數據集的標註文件解析，
#參見其README.md文件了解其每一行的信息，從中解析出相應字
#段即可。

import os
import cv2
def draw(image_list,src_img_dir = None, tar_img_dir = None):
    if not os.path.exists(tar_img_dir):
        os.mkdir(tar_img_dir)
    for item in image_list:
        sub_path = item["path"]
        path_seg 
 
= sub_path.split("/")
        path = os.path.join(src_img_dir,sub_path)
        boxes = item["boxes"]
        img = cv2.imread(path)
        for box in boxes:
            ord = box.split(" ")
            x, y, w, h = int(ord[0]),int(ord[1]),int(ord[2]),int(ord[3])
            cv2.rectangle(img,(x,y),(x
 
+w,y+h),(0,255,0), 1)
        tar_dir = os.path.join(tar_img_dir,path_seg[0])
        if not os.path.exists(tar_dir):
            os.mkdir(tar_dir)
        tar_path = os.path.join(tar_dir,path_seg[1])
        cv2.imwrite(tar_path,img)



def parse(label_file_path, src_img_dir, tar_img_dir):
    fr = open(label_file_path,‘
 
r‘)
    image_list = []
    line = fr.readline().rstrip()
    while line:
        mdict = {}
        path = line
        mdict["path"] = path
        num = fr.readline().rstrip()
        boxes_list = []
        for n in range(int(num)):
            box = fr.readline().rstrip()
            boxes_list.append(box)
        mdict["boxes"]=boxes_list
        image_list.append(mdict)
        line = fr.readline().rstrip()
    draw(image_list,src_img_dir,tar_img_dir)


if __name__=="__main__":
    file_path = "/projects/DSOD/wider_face/datasets/wider_face_split/wider_face_train_bbx_gt.txt"
    source_img_dir = "/projects/DSOD/wider_face/datasets/train/images"  
    target_img_dir = "/projects/DSOD/wider_face/datasets/drew"
    parse(file_path,source_img_dir,target_img_dir)

其中,file_path是標註文件的路徑。標註文件內容如下：

 1 0--Parade/0_Parade_marchingband_1_849.jpg
 2 1
 3 449 330 122 149 0 0 0 0 0 0 
 4 0--Parade/0_Parade_Parade_0_904.jpg
 5 1
 6 361 98 263 339 0 0 0 0 0 0 
 7 0--Parade/0_Parade_marchingband_1_799.jpg
 8 21
 9 78 221 7 8 2 0 0 0 0 0 
10 78 238 14 17 2 0 0 0 0 0 
11 113 212 11 15 2 0 0 0 0 0 
12 134 260 15 15 2 0 0 0 0 0 
13 163 250 14 17 2 0 0 0 0 0 
14 201 218 10 12 2 0 0 0 0 0 
15 182 266 15 17 2 0 0 0 0 0 
16 245 279 18 15 2 0 0 0 0 0 
17 304 265 16 17 2 0 0 0 2 1 
18 328 295 16 20 2 0 0 0 0 0 
19 389 281 17 19 2 0 0 0 2 0 
20 406 293 21 21 2 0 1 0 0 0 
21 436 290 22 17 2 0 0 0 0 0 
22 522 328 21 18 2 0 1 0 0 0 
23 643 320 23 22 2 0 0 0 0 0 
24 653 224 17 25 2 0 0 0 0 0 
25 793 337 23 30 2 0 0 0 0 0 
26 535 311 16 17 2 0 0 0 1 0 
27 29 220 11 15 2 0 0 0 0 0 
28 3 232 11 15 2 0 0 0 2 0 
29 20 215 12 16 2 0 0 0 2 0 
30 0--Parade/0_Parade_marchingband_1_117.jpg
31 9
32 69 359 50 36 1 0 0 0 0 1 
33 227 382 56 43 1 0 1 0 0 1 
34 296 305 44 26 1 0 0 0 0 1 
35 353 280 40 36 2 0 0 0 2 1 
36 885 377 63 41 1 0 0 0 0 1 
37 819 391 34 43 2 0 0 0 1 0 
38 727 342 37 31 2 0 0 0 0 1 
39 598 246 33 29 2 0 0 0 0 1 
40 740 308 45 33 1 0 0 0 2 1 
41  .....................

其中，第一行為圖片路徑，第二行為框的數量，緊接著是框。

以此類推。詳見Widerface README.md文件。

source_dir為存儲圖片的根目錄。

target_dir為畫框過後的圖片的存儲路徑。

利用python對WiderFace數據解析及畫框