yolov5 txt标签和图像 批量resize代码

YOLOv5是一个流行的物体检测模型，其txt文件通常包含预处理后的标注信息，包括图片路径、类别以及坐标。如果你想批量调整这些图片的大小，特别是在使用YOLOv5的训练前准备过程中，你可以使用Python库如`PIL`（Pillow）来实现。

这是一个简单的例子，假设你有一个包含图片路径和对应标签的txt文件（每行一条记录，格式通常是 `image_path class x y w h`），你可以按如下步骤操作：

from PIL import Image

def resize_images_and_labels(input_txt, output_txt, size):
    with open(input_txt, 'r') as in_file, open(output_txt, 'w') as out_file:
        for line in in_file:
            img_path, class_name, *coords = line.strip().split(' ')
            # 加载原始图片
            img = Image.open(img_path)
            # 使用给定尺寸进行resize
            resized_img = img.resize(size)
            # 保存resize后的图片
            resized_img.save(resized_img_path, format='JPEG')
            
            # 更新txt文件中的坐标，这里只是一个简化示例，实际需要计算缩放比例后更新坐标
            new_coords = (int(coords[0] * size[0]), int(coords[1] * size[1]),
                          int(coords[2] * size[0]), int(coords[3] * size[1]))
            # 写入新坐标到输出txt
            out_file.write(f"{resized_img_path} {class_name} {' '.join(str(c) for c in new_coords)}\n")

# 使用时设置输入输出文件名和期望的图片大小，比如 (640, 640)
resize_images_and_labels('input.txt', 'output.txt', (640, 640))

注意这只是一个基本的示例，实际应用中可能还需要更复杂的错误处理和坐标计算，因为缩放会改变原图的比例，所以直接乘以目标尺寸可能会导致坐标偏移。