我有一个JSON文件，其中包含有关图像中的边框（bbox）的信息（每个图像通常有多个边框）。我想解析该文件，以便我可以创建一个新文件，该文件以以下格式提取边界框的信息：
image 0.jpg bbox x1，y1，x2，y2
image 0.jpg bbox x1，y1，x2，y2
....
image 1.jpg bbox x1，y1，x，y2
....
我设法解析出有关bbox的信息，但是由于每张图片可以具有不同数量的bbox，所以我不知道如何解决将bbox分配给其特定图片然后代表每张图片+ bbox对的问题按行。
这是我到目前为止所得到的
import json
with open('D:\\Mask_RCNN\\coco_instances.json') as json_file:
data = json.load(json_file)
result = []
for images in data['images']:
filename = images['file_name']
result.append(filename)
print ("Filename = ",filename)
filename1.append(filename)
for annotations in data['annotations']:
bbox = annotations['bbox']
print(bbox)
xmin = bbox[0]
ymin = bbox[1]
xmax = bbox[2]
ymax = bbox[3]
result.extend([xmin,ymin,xmax,ymax])
结果
Filename = 00000000.jpg
Filename = 00000001.jpg
[20.5, 214.5, 8.0, 17.0]
[61.5, 174.5, 10.0, 15.0]
[151.5, 43.5, 10.0, 20.0]
[161.5, 231.5, 7.0, 10.0]
[186.5, 159.5, 8.0, 11.0]
[201.5, 115.5, 13.0, 9.0]
[15.5, 154.0, 8.5, 9.5]
[39.5, 13.5, 9.5, 15.0]
[100.5, 55.5, 7.5, 11.0]
[119.5, 217.5, 7.0, 9.0]
[166.5, 150.5, 15.0, 12.0]
[214.5, 223.5, 22.0, 11.0]
这是JSON文件JSON_file
那么我如何每行打印出图片+边框对1？ 任何帮助将不胜感激。
这是一个带有2张图片的JSON文件的示例
{“ info”：{“ description”：“ none”，“ url”：“ none”，“ version”：“ 1”，“ year”：2019，“ contributor”：“ none”，“ date_created” ：“” 09/27/2019“}，”许可证“：[{” url“：”“，” id“：0，”名称“：”无“}]，”图像“：[{”许可证“：0 ，“ file_name”：“ 00000000.jpg”，“ width”：256，“ height”：256，“ id”：0}，{“ license”：0，“ file_name”：“ 00000001.jpg”，“ width” ：256，“高度”：256，“ id”：1}]，“注释”：[{“分段”：[[26.0，231.5，25.5，230.0，28.5，226.0，28.5，216.0，24.0，214.5，21.5 ，217.0，22.5，218.0，20.5，226.0，23.0，230.5，26.0，231.5]]，“ iscrowd”：0，“ image_id”：0，“ category_id”：1，“ id”：0，“ bbox”：[ 20.5、214.5、8.0、17.0]，“区域”：97.75}，{“分段”：[[68.0、189.5、71.5、181.0、71.5、176.0、70.0、174.5、67.5、175.0、61.5、183.0、62.0、188.5 ，68.0，189.5]]，“ iscrowd”：0，“ image_id”：0，“ category_id”：1，“ id”：1，“ bbox”：[61.5，174.5，10.0，15.0]，“ area”：101.5 }，{“分段”：[[159.0，63.5，161.5，61.0，161.5，58.0，159.5，57.0，158.5，49.0，156.5，48.0，155.0，43.5，153.0，43.5，151.5， 45.0，151.5，58.0，157.0，63.5，159.0，63.5]]，“ iscrowd”：0，“ image_id”：0，“ category_id”：1，“ id”：2，“ bbox”：[151.5，43.5，10.0 ，20.0]，“ area”：129.75}，{“ segmentation”：[[165.0，241.5，168.5，239.0，168.5，234.0，164.0，231.5，161.5，233.0，161.5，236.0，165.0，241.5]]，“ “：0，“ image_id”：0，“ category_id”：1，“ id”：3，“ bbox”：[161.5，231.5，7.0，10.0]，“区域”：48.5}，{“分段”：[[ 191.0，170.5，193.5，169.0，194.5，163.0，192.0，159.5，188.0，159.5，186.5，164.0，191.0，170.5]]，“ iscrowd”：0，“ image_id”：0，“ category_id”：1，“ id “：4，“ bbox”：[186.5、159.5、8.0、11.0]，“区域”：59.25}，{“细分”：[[207.0、124.5、214.5、119.0、213.0、115.5、210.0、116.5、206.0， 121.5，201.5，123.0，202.0，124.5，207.0，124.5]]，“ iscrowd”：0，“ image_id”：0，“ category_id”：1，“ id”：5，“ bbox”：[201.5，115.5，13.0 ，9.0]，“ area”：47.5}，{“ segmentation”：[[17.0，163.5，20.5，161.0，24.0，154.5，18.5，154.0，15.5，159.0，17.0，163.5]]，“ iscrowd”：0， “ image_id”：1，“ category_id”：1，“ id”：6， “ bbox”：[15.5、154.0、8.5、9.5]，“区域”：44.0}，{“细分”：[[43.0、28.5、46.5、25.0、49.0、13.5、47.0、13.5、41.5、19.0、39.5， 23.0，39.5，27.0，43.0，28.5]]，“ iscrowd”：0，“ image_id”：1，“ category_id”：1，“ id”：7，“ bbox”：[39.5，13.5，9.5，15.0]， “ area”：80.5}，{“ segmentation”：[[108.0，66.5，107.5，61.0，103.0，55.5，100.5，60.0，106.0，66.5，108.0，66.5]]，“ iscrowd”：0，“ image_id”： 1，“ category_id”：1，“ id”：8，“ bbox”：[100.5，55.5，7.5，11.0]，“ area”：42.5}，{“ segmentation”：[[123.0，226.5，125.5，225.0， 126.5、222.0、124.0、217.5、119.5、220.0、120.5、225.0、123.0、226.5]]，“ iscrowd”：0，“ image_id”：1，“ category_id”：1，“ id”：9，“ bbox”： [119.5，217.5，7.0，9.0]，“区域”：41.0}，{“分段”：[[172.0，162.5，176.5，160.0，179.5，154.0，181.5，153.0，180.0，150.5，176.0，151.5，166.5， 158.0、168.0、162.5、172.0、162.5]]，“ iscrowd”：0，“ image_id”：1，“ category_id”：1，“ id”：10，“ bbox”：[166.5、150.5、15.0、12.0]， “ area”：92.25}，{“ segmentation”：[[224.0，234.5，231.0，230.5， 234.0、230.5、236.5、226.0、232.0、223.5、227.0、224.5、222.0、227.5、221.0、226.5、214.5、233.0、217.0、234.5、224.0、234.5]]，“ iscrowd”：0，“ image_id”：1， “ category_id”：1，“ id”：11，“ bbox”：[214.5，223.5，22.0，11.0]，“ area”：133.75}]，“ categories”：[{“ supercategory”：“ cells”，“ id “：1，” name“：” sperm“}]}