Data_Cleansed

简介

这是一个基于 Python 和 Tkinter 的图片标注查看工具，支持浏览图片及其标注信息，并提供以下功能：

1. 图片导航：支持上一张/下一张切换。
2. 标注可视化：在图片上绘制标注框和类别 ID。
3. 文件管理：将图片移动到指定的目标文件夹（如 ERROR、INACCURATE、SINGLE_LIGHT）。
4. 撤销功能：支持撤销最近一次移动操作。
5. 文件夹选择：通过图形界面选择源文件夹和目标文件夹路径。

---

功能列表

• 加载图片：从指定的源文件夹加载图片及其标注文件（.txt 格式）。
• 标注显示：在标注图中绘制四边形框、中心点以及类别 ID。
• 图片管理：
  • 将图片移动到不同的目标文件夹（ERROR、INACCURATE、SINGLE_LIGHT）。
  • 自动按序号重命名移动后的图片和标注文件。
• 撤销操作：恢复最近一次移动操作，将文件移回原位置。
• 快捷键支持：
  • ←：上一张。
  • →：下一张。
  • D：保留当前图片。
  • E：移动到 ERROR 文件夹。
  • I：移动到 INACCURATE 文件夹。
  • S：移动到 SINGLE_LIGHT 文件夹。
  • Z：撤销最近一次操作。
  • Q：退出程序。

---

环境部署

1. 安装 Python

确保你的系统已安装 Python 3.6 或更高版本。可以通过以下命令检查：

python --version

如果未安装，请根据操作系统选择合适的安装方式：

• Windows：从 Python 官方网站 下载并安装。
• macOS：使用 Homebrew 安装：

  brew install python

• Linux：使用包管理器安装（例如 Ubuntu）：

  sudo apt update
  sudo apt install python3 python3-pip

2. 安装依赖库

本项目依赖以下 Python 库：

• opencv-python-headless：用于图片处理和标注绘制。
• Pillow：用于图像显示。
• numpy：用于数值计算。
• tkinter：用于图形界面（通常随 Python 自带，但某些系统可能需要额外安装）。

运行以下命令安装这些依赖库：

pip install opencv-python-headless pillow numpy

特别说明：

• OpenCV：
  • 如果你需要 GUI 功能（如摄像头捕获），可以安装完整版的 OpenCV：

    pip install opencv-python

  • 如果你只需要处理图片而不需要 GUI 功能，推荐使用轻量版（opencv-python-headless）。
• Tkinter：
  • 在大多数 Linux 发行版中，Tkinter 可能需要单独安装。例如，在 Ubuntu 上运行：

    sudo apt install python3-tk

  • Windows 和 macOS 通常默认包含 Tkinter。

3. 检查依赖是否安装成功

安装完成后，可以通过以下命令验证依赖库是否正确安装：

python -c "import cv2; import PIL; import numpy; import tkinter"

如果没有报错，则说明依赖库安装成功。

---

4. 准备数据

• 源文件夹：包含图片文件（如 .jpg、.png）及其对应的标注文件（.txt）。

  • 标注文件格式示例：

    class_id x1 y1 x2 y2 x3 y3 x4 y4
    

    • class_id：目标类别 ID。
    • x1, y1, ..., x4, y4：归一化的坐标值（范围为 [0, 1]），表示标注框的四个顶点。

• 目标文件夹：用于存放分类后的图片和标注文件。

---

5. 其他依赖（可选）

如果你在 Windows 上运行程序，可能需要安装以下组件以支持 OpenCV 的正常运行：

• Microsoft Visual C++ Redistributable：
  • 下载地址：Microsoft Visual C++ Redistributable
  • 安装后重启计算机。

---

运行方式

1. 启动程序

运行以下命令启动程序：

python annotation_viewer.py

2. 文件夹选择

• 程序启动后会弹出多个文件夹选择对话框：
  • 源文件夹：存放原始图片和标注文件的文件夹。
  • 目标文件夹：
    • ERROR：存放错误标注的图片。
    • INACCURATE：存放标注不准确的图片。
    • SINGLE_LIGHT：存放单灯标注的图片。

3. 使用界面

• 主界面分为两部分：
  • 左侧显示原图。
  • 右侧显示标注图（包括标注框、中心点和类别 ID）。
• 使用按钮或快捷键进行操作：
  • 浏览图片、移动图片、撤销操作等。

---

示例目录结构

假设你的数据目录结构如下：

/home/hero/Datasets_of_Car/
├── TOTAL/
│ ├── image1.jpg
│ ├── image1.txt
│ ├── image2.jpg
│ ├── image2.txt
│ └── ...
├── ERROR/
├── INACCURATE/
└── SINGLE_LIGHT/

• 源文件夹：/home/hero/Datasets_of_Car/TOTAL
• 目标文件夹：
  • ERROR：/home/hero/Datasets_of_Car/ERROR
  • INACCURATE：/home/hero/Datasets_of_Car/INACCURATE
  • SINGLE_LIGHT：/home/hero/Datasets_of_Car/SINGLE_LIGHT

---

注意事项

1. 标注文件格式：

   • 确保标注文件的格式正确（每行一个目标，格式为 class_id x1 y1 x2 y2 x3 y3 x4 y4）。
   • 坐标值应为归一化值（范围为 [0, 1]）。

2. 文件覆盖问题：

   • 如果目标文件夹中已有同名文件，程序会自动递增编号以避免覆盖。

3. 性能优化：

   • 如果图片数量较多，建议定期清理源文件夹中的已处理文件，以提高加载速度。

---

常见问题

Q1: 程序无法启动或报错

• 检查是否安装了所有依赖项（opencv-python-headless、pillow、numpy）。
• 确保 Python 版本符合要求（3.6 或更高版本）。

Q2: 标注未正确显示

• 检查标注文件的格式是否正确。
• 确保标注文件的坐标值为归一化值（范围为 [0, 1]）。

Q3: 文件夹选择对话框未弹出

• 确保运行环境支持图形界面（如 Windows、macOS 或带有桌面环境的 Linux）。

---

贡献与反馈

如果你在使用过程中遇到问题或有改进建议，欢迎提交 Issue 或 Pull Request。我们非常乐意接受你的贡献！

---

许可证

本项目采用 MIT 许可证。