跳转至

九、 其他工具

其他工具 模块集成了数据集规范化校验与标注格式灵活转换的实用工具,用于解决项目后期的数据冗余与格式兼容性问题。


1. 符号检测迁移 (Filename Sanitizer)

功能说明: 在工业视觉软件部署时,不规范的文件名(如包含特殊字符、空格或非法符号)往往会导致路径解析崩溃或模型读取失败。

  • 检测范围:
    • 自动扫描数据集中的所有图片与 JSON 文件名。
    • 识别隐藏的非法符号,即使是常见的英文横杠 -、空格、或中文字符。
  • 处理逻辑:
    • 自动更名:一键将不规范文件名迁移到自定义的输出目录里。

开发笔记

在 Windows 下看似正常的文件名,在 Linux 或某些嵌入式视觉算子中可能会引起闪退。建议在模型训练前,统一执行一次符号检测。


2. JSON 多边形转矩形 (Polygon to BBox)

功能说明: 将精细的“多边形(Polygon)”标注转换为标准的“外接矩形框(Bounding Box)”标注。

  • 转换逻辑:
    • 系统会自动提取多边形所有顶点的最大/最小坐标值。
    • 自动计算出能够完全包裹该多边形的最小水平矩形。
  • 适用场景:
    • 算法降级:当项目从分割算法(Segmentation)切换为检测算法(Detection)时,无需重新标注。
    • 格式统一:快速统一来自不同标注团队或不同版本软件的异构数据。

转换特性

转换过程为非破坏性转换。生成的矩形框将严格遵循 YOLO 或标准 JSON 坐标规范,方便直接投入训练。


3. LabelMe JSON 转 YOLO TXT (LabelMe to YOLO)

功能说明: 将 LabelMe 标注的 JSON 文件一键转换为 YOLO 系列训练所需的 .txt 标注文件,并自动生成数据集配置文件 data.yaml。

  • 支持的标注类型:
    • rectangle:目标检测(class_id x_center y_center width height,全部归一化)。
    • polygon:实例分割(class_id x1 y1 x2 y2 ... xn yn,全部归一化)。
    • obb:旋转目标检测(class_id x1 y1 x2 y2 x3 y3 x4 y4,全部归一化)。
  • 自动标签映射:
    • 第一轮扫描自动汇总所有唯一的 label,按字母序生成 class_id。
    • 第二轮扫描统一写入 .txt,避免人工对照类别表的繁琐步骤。
  • 配套产出:
    • 自动复制对应的图片文件(jpg/png/jpeg/bmp/webp,自动尝试常见大小写后缀)。
    • 在输出目录生成 data.yaml,直接可用于 YOLO 训练框架。

使用建议

推荐配合「其他工具」模块中“符号检测迁移”先行清洗文件名,可以减少 imagePath 字段错位、图片匹配失败的情况。


4. JSON 多边形智能合并 (Polygon Merge)

功能说明: 针对工业场景中常见的“同一种缺陷被切成多个小段”标注情况,按类别对多边形进行带缝隙桥接的智能合并,并把真正不相交的独立缺陷保留为单独个体。

  • 核心策略:
    • 微膨胀桥接:使用 buffer(bridge_distance) 把距离非常近的相邻多边形粘合,再 unary_union 融合。
    • 拆分恢复:融合结果若为 MultiPolygon,会逐一还原成独立的多边形(再 buffer(-bridge_distance) 收缩回原大小)。
    • 拓扑简化:用 simplify(simplify_tolerance, preserve_topology=True) 去掉无用死点,避免训练时模型学到“毛刺”。
  • 可调参数:
    • bridge_distance:桥接缝隙的像素距离。小于该值的会被融合,大于该值的会保持完全独立。
    • simplify_tolerance:拓扑简化容差,数值越大顶点数越少(标注更“干净”)。

使用建议

bridge_distance 默认 2.0 适合 1080p 量级的工业图。若分辨率差异较大(如 4K 相机),建议按比例上调,避免“误合并”独立缺陷。


5. 环形图展平裁切 (Circular Image Flatten & Crop)

功能说明: 针对环形工件(金属轴承 / 法兰 / 端面、玻璃瓶口、塑料轮毂、橡胶密封圈、印刷标签环、食品包装圆环等任何可拍成俯视圆环的样品)的俯拍图,自动检测内外圆,将环形区域极坐标展开为矩形,再按指定宽度和重叠率做滑窗裁切,方便后续用常规的目标检测/分割模型训练(YOLO、U-Net、RT-DETR 等都直接吃矩形图)。

  • 算法要点(utils/cut.py,源自 HALCON 工业视觉处理流程):
    • 内外圆检测(先外后内):
      1. 阈值 [0, 180] 提取暗区连通域;
      2. 按 Min Area = 70 过滤,取最大连通域作为外圆盘;
      3. 对外圆盘 fill_up 填洞得到实心外圆;
      4. 用「填洞结果 与 外圆盘」的单向差(A AND NOT B)得到内孔环带;
      5. 再对内孔环带取最大连通域,拟合得到内圆圆心与半径;
      6. 最后对外圆盘单独拟合一次,得到外圆圆心与半径。
    • 极坐标展开:按公式 r = outer - (row / H) * (outer - inner) - 3 反向采样原图,顶部 = 外圈、底部 = 内圈,符合视觉直觉;自动适配灰度图与彩色图(按通道分别 cv2.remap 后 np.stack)。
    • 滑窗裁切:默认 CropWidth = 600、Overlap = 150,相邻窗口通过重叠率保证不漏检。
  • 可调参数(界面默认已填好):
    • CropWidth:每个子图的横向像素。
    • Overlap:相邻子图的重叠像素,决定窗口滑动步长 = CropWidth - Overlap。
  • 健壮性:
    • 兼容含中文、&、() 等特殊字符的路径(用 np.fromfile + cv2.imdecode 读图,cv2.imencode + tofile 写图,绕开 OpenCV 对非 ASCII 路径的解码 bug)。
    • 输出 BMP(cv2.imencode 在非 TIFF 编码下最稳),文件名自动追加 _part_NNN。

使用建议

一次只处理一张图,若环形孔洞接近外圈(薄环),建议先确认内外圆间距 ≥ 20 像素,否则极坐标展开后高度极小,裁切结果可能为空。