当前位置：首页 > news >正文

ICDAR2015数据集标注详解与可视化：用OpenCV看懂`gt.txt`里的每一个数字

news 2026/4/22 13:21:53

ICDAR2015数据集标注详解与可视化：用OpenCV看懂`gt.txt`里的每一个数字

当你第一次打开ICDAR2015数据集的标注文件时，那些密密麻麻的数字和逗号可能会让你感到困惑。这些数字究竟代表什么？如何将它们与图片中的文本对应起来？本文将带你深入理解标注文件的每一个细节，并通过Python+OpenCV实现可视化，让你直观地看到标注框如何在图片上呈现。

1. ICDAR2015数据集概述

ICDAR2015是场景文本检测领域的经典数据集，包含1000张训练图片和500张测试图片。这些图片主要来自街景、广告牌等自然场景，文本呈现多样化的字体、大小和方向。

数据集的核心在于其标注文件——gt_img_*.txt。每个图片对应一个标注文件，记录了图片中所有文本区域的位置和内容。理解这些标注是进行文本检测任务的第一步。

2. 标注文件格式深度解析

2.1 标注行结构

打开一个典型的gt_img_1.txt文件，你会看到类似这样的内容：

377,117,463,117,465,130,378,130,Genaxis Theatre 493,115,519,115,519,131,493,131,[06] 374,155,409,155,409,170,374,170,###

每一行代表一个文本区域的标注，由两部分组成：

坐标部分：8个数字，表示文本区域四个顶点的(x,y)坐标
文本内容：最后一个字段是实际的文本内容，或者###表示忽略该区域

坐标的排列顺序很重要，通常是顺时针或逆时针方向。理解这个顺序有助于正确绘制文本区域。

2.2 特殊标注解析

###标记在标注中有特殊含义：

表示该文本区域应该被忽略，不参与训练
常见于模糊、遮挡或难以辨认的文本
在评估模型性能时，这些区域不会被计入

3. 标注可视化实战

3.1 准备工作

在开始可视化前，确保你已经安装必要的Python库：

pip install opencv-python numpy

3.2 完整可视化代码

下面是一个完整的Python脚本，用于读取标注文件并在图片上绘制文本区域：

import cv2 import numpy as np def visualize_annotations(img_path, gt_path): # 读取图片 img = cv2.imread(img_path) if img is None: raise FileNotFoundError(f"无法加载图片: {img_path}") # 读取标注文件 with open(gt_path, mode="r", encoding='utf-8-sig') as f: annotations = f.readlines() # 处理每一行标注 for anno in annotations: parts = anno.strip().split(',') if len(parts) < 8: continue # 提取坐标和文本内容 coords = [int(x) for x in parts[:8]] text = ','.join(parts[8:]) # 处理文本中包含逗号的情况 # 将坐标转换为OpenCV需要的格式 points = np.array(coords).reshape(-1, 2) # 绘制文本区域 color = (0, 0, 255) if text != "###" else (0, 255, 0) # 红色表示有效标注，绿色表示忽略标注 cv2.polylines(img, [points], isClosed=True, color=color, thickness=2) # 添加文本标签 if text != "###": cv2.putText(img, text, (points[0][0], points[0][1]-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 1) # 显示结果 cv2.namedWindow("Text Annotations", cv2.WINDOW_NORMAL) cv2.imshow("Text Annotations", img) cv2.waitKey(0) cv2.destroyAllWindows() # 使用示例 visualize_annotations("img_1.jpg", "gt_img_1.txt")

3.3 代码解析

这段代码做了以下几件事：

读取图片和标注文件：使用OpenCV的imread函数加载图片，用Python标准文件操作读取标注
解析标注行：将每行标注拆分为坐标和文本内容
坐标转换：将8个坐标值转换为4个(x,y)点，符合OpenCV的绘制要求
可视化绘制：
- 用红色多边形绘制有效文本区域
- 用绿色多边形绘制忽略区域(###)
- 在有效文本区域上方显示文本内容

4. 高级可视化技巧

4.1 处理不规则文本区域

ICDAR2015中的文本区域不一定是规则的矩形。为了准确表示这些区域，标注使用了多边形而非简单的边界框。我们的可视化代码已经能够处理这种复杂情况。

4.2 标注质量检查

可视化不仅是理解标注的工具，也是检查标注质量的利器。通过观察绘制结果，你可以：

发现标注错误（如错误的顶点顺序）
识别标注不完整的文本区域
评估###标记的使用是否合理

4.3 批量处理与保存结果

如果需要处理整个数据集，可以修改代码实现批量处理：

import os def batch_visualize(data_dir): img_dir = os.path.join(data_dir, "imgs") anno_dir = os.path.join(data_dir, "annotations") for img_name in os.listdir(img_dir): base_name = os.path.splitext(img_name)[0] img_path = os.path.join(img_dir, img_name) gt_path = os.path.join(anno_dir, f"gt_{base_name}.txt") if os.path.exists(gt_path): visualize_annotations(img_path, gt_path) # 或者保存结果 # result = visualize_annotations(img_path, gt_path) # cv2.imwrite(f"results/{base_name}_vis.jpg", result)