import os import json import shutil from collections import defaultdict # ============================================================================= # [설정 부분] # ============================================================================= # 입력 JSON 파일 경로 (mmyolo 형식의 coco_annotations_modify.json 파일) input_json_path = "/ltb/media/ltb/Samsung_T5/ltb/dataset_for_mmyolo_darwin/robo_head_only_1561_250117/it1_head_only_roboflow_1561_각종agumenetation적용_modify.json" # 원본 이미지들이 위치한 상위 폴더 (이미지 절대 경로에서 /images/ 이하의 경로를 사용) # (이 변수는 이미지 파일의 상대 경로를 추출할 때 사용됩니다.) source_images_base_dir = "/media/ltb/Samsung_T5/ltb/dataset_for_mmyolo_darwin/robo_head_only_1561_250117/train/images" # 출력 데이터셋 경로 (YOLO11 형식의 변환 결과 저장 폴더) # 하위에 images와 labels 폴더가 생성됩니다. output_dataset_dir = "/ltb/media/ltb/90887173887158A4/Users/ltb/박스_데이터셋/박스_yolo11/robo_head_only_1561_250117" output_images_dir = os.path.join(output_dataset_dir, "images") output_labels_dir = os.path.join(output_dataset_dir, "labels") # ----------------------------------------------------------------------------- # [category_id 매핑 옵션] # ----------------------------------------------------------------------------- # mmyolo의 카테고리 id는 보통 1부터 시작하지만, YOLO는 0부터 시작하도록 변환하는 경우가 많습니다. # 아래 두 가지 방식 중 하나로 선택해서 사용하세요. # # (1) 기본적으로 COCO형식 category id에 대해 -1 처리 # (예: 1 -> 0, 2 -> 1, 3 -> 2, ...) # # (2) 사용자 정의 매핑: 필요시 아래와 같이 매핑 딕셔너리를 정의합니다. # 예: {1: 0, 2: 1, 3: 2, 4: 3} # category_id_mapping = {} # 빈 딕셔너리이면 기본적으로 -1 방식(-1 처리)을 수행 # ============================================================================= # [유틸리티 함수] # ============================================================================= def ensure_dir(directory): """ 지정한 경로의 폴더가 존재하지 않으면 생성합니다. """ if not os.path.exists(directory): os.makedirs(directory) print(f"디렉토리 생성: {directory}") else: print(f"디렉토리 이미 존재: {directory}") def load_json(json_path): """ 주어진 JSON 파일을 읽어 파이썬 딕셔너리로 반환합니다. """ with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) return data def convert_bbox_to_yolo(bbox, img_width, img_height): """ COCO 형식 bbox ([x, y, width, height])를 YOLO 형식 (정규화된 x_center, y_center, width, height)로 변환합니다. """ x, y, w, h = bbox x_center = x + w / 2.0 y_center = y + h / 2.0 # 정규화: 이미지 크기로 나눔 x_center_norm = x_center / img_width y_center_norm = y_center / img_height w_norm = w / img_width h_norm = h / img_height return [x_center_norm, y_center_norm, w_norm, h_norm] def convert_annotations(json_data): """ JSON 내에서 이미지와 annotation 정보를 추출하여 반환합니다. 만약 JSON 파일에 "annotations" 키가 없으면, images 내의 데이터 구조에 맞게 분리합니다. Returns: images_info: 이미지 정보를 담은 리스트 (각 항목은 딕셔너리) annotations_info: image_id를 key로 가지며 해당 이미지의 annotation 목록을 값으로 하는 딕셔너리 """ images_info = json_data.get("images", []) annotations_list = json_data.get("annotations", []) # "annotations"가 없으면 images 내 항목 중 file_name이 없는 경우를 annotation으로 간주 if not annotations_list: new_images_info = [] annotations_list = [] for item in images_info: if "file_name" in item: new_images_info.append(item) else: annotations_list.append(item) images_info = new_images_info # image_id 기준으로 annotation 그룹화 annotations_info = defaultdict(list) for ann in annotations_list: img_id = ann["image_id"] annotations_info[img_id].append(ann) return images_info, annotations_info def get_unique_filename(file_path): """ 주어진 이미지의 절대경로(file_path)에서 원본 이미지 파일명의 고유성을 위해 하위 폴더 이름(또는 여러 단계의 폴더 경로)을 접두사로 추가한 새로운 파일명을 생성합니다. 방법: - file_path에서 source_images_base_dir 이후의 상대 경로를 계산합니다. - 그 상대 경로의 디렉터리 부분(하위 폴더 경로)을 추출합니다. - 디렉터리 구분자인 os.sep를 '_'로 변경하여 하나의 문자열로 결합합니다. - 원본 파일명과 결합하여 반환합니다. Parameters: file_path: 절대 이미지 파일 경로 (예: /.../images/하위폴더/00000.jpg) Returns: new_img_base_name: 하위 폴더명이 접두어로 붙은 새로운 파일명 (예: 하위폴더_00000.jpg) """ # 만약 source_images_base_dir가 file_path 내에 포함되어 있다면 상대경로 계산 if source_images_base_dir in file_path: relative_path = os.path.relpath(file_path, source_images_base_dir) # 상대경로 내 디렉터리 부분 추출 (하위 폴더 경로) folder_path = os.path.dirname(relative_path) # 경로 구분자를 언더바(_)로 대체하여 하나의 문자열로 변환 folder_prefix = folder_path.replace(os.sep, "_") if folder_path else "" else: folder_prefix = "" # 원본 파일명 추출 orig_file_name = os.path.basename(file_path) # folder_prefix가 존재하면 접두어로 추가, 없으면 그대로 반환 new_img_base_name = folder_prefix + "_" + orig_file_name if folder_prefix else orig_file_name return new_img_base_name # ============================================================================= # [변환 메인 함수] # ============================================================================= def process_conversion(): """ 전체 변환 과정을 수행합니다. 1. 출력 디렉토리(이미지, 라벨 폴더) 생성 2. JSON 파일 로드 및 images, annotations 정보 추출 3. 각 이미지에 대해 하위 폴더명을 포함한 고유 파일명 생성 및 YOLO 형식 라벨 txt 파일 생성 - 동일 파일명이 이미 존재하면 복사 및 저장을 건너뛰어 덮어쓰기를 방지함 4. 원본 이미지 파일 복사 (존재 시) """ # 출력 디렉토리 생성 ensure_dir(output_dataset_dir) ensure_dir(output_images_dir) ensure_dir(output_labels_dir) # JSON 파일 로드 print("JSON 파일 로드 중...") json_data = load_json(input_json_path) # 이미지 및 annotation 정보 분리 images_info, annotations_info = convert_annotations(json_data) print(f"로드된 이미지 수: {len(images_info)}") print(f"총 annotation 수: {sum(len(v) for v in annotations_info.values())}") # 각 이미지별 처리 for img in images_info: img_id = img["id"] file_path = img["file_name"] # 이미지의 절대경로 (하위 폴더 포함) img_width = img["width"] img_height = img["height"] # 하위 폴더명을 포함한 고유 파일명을 생성 new_img_base_name = get_unique_filename(file_path) file_name_no_ext, _ = os.path.splitext(new_img_base_name) label_file_name = file_name_no_ext + ".txt" # YOLO 형식의 라벨 파일 # 출력 파일 경로 지정 out_img_path = os.path.join(output_images_dir, new_img_base_name) out_label_path = os.path.join(output_labels_dir, label_file_name) # 이미지 및 라벨 파일이 이미 존재하면 건너뛰기 if os.path.exists(out_label_path) and os.path.exists(out_img_path): print(f"이미 변환된 파일 스킵: {new_img_base_name}") continue # 해당 이미지에 해당하는 모든 annotation을 YOLO 형식으로 변환 yolo_labels = [] anns = annotations_info.get(img_id, []) for ann in anns: bbox = ann["bbox"] # COCO 형식 [x, y, width, height] yolo_bbox = convert_bbox_to_yolo(bbox, img_width, img_height) # 원본 category id 추출 및 매핑 처리 cat_id = ann["category_id"] if category_id_mapping: yolo_class = category_id_mapping.get(cat_id, cat_id) else: yolo_class = cat_id - 1 # YOLO 형식 문자열 생성: class, x_center, y_center, width, height (공백 구분) label_str = f"{yolo_class} {yolo_bbox[0]} {yolo_bbox[1]} {yolo_bbox[2]} {yolo_bbox[3]}" yolo_labels.append(label_str) # annotation이 있는 경우 라벨 파일 생성 if yolo_labels: if not os.path.exists(out_label_path): with open(out_label_path, 'w', encoding='utf-8') as f: f.write("\n".join(yolo_labels)) print(f"라벨 파일 저장: {out_label_path}") else: print(f"해당 이미지({new_img_base_name})에 annotation이 없습니다.") # 원본 이미지 파일 복사 (존재하는 경우) if os.path.exists(file_path): if not os.path.exists(out_img_path): shutil.copy2(file_path, out_img_path) print(f"이미지 파일 복사 완료: {out_img_path}") else: print(f"원본 이미지 파일을 찾을 수 없음: {file_path}") print("데이터셋 변환 완료.") # ============================================================================= # [스크립트 실행] # ============================================================================= if __name__ == "__main__": process_conversion()