作者：RayChiu_Labloy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处
目录
步骤分为三步：
第一步数据集图片准备
先采集照片
整理文件名称(从1开始递增)
视频取帧扩充数据集(如果有采集视频的情况)
第二步OpenCV提取ROI框
第二步TinyXML生成xml文件
效果
自动标注的
labelimg标注的
自动标注源码下载
影响自动标注的因素：
其他一些思考：
步骤分为三步：
第一步数据集图片准备
先采集照片
整理文件名称(从1开始递增)
python工具代码见下面博客的需求一python和CV对于图片或者文件处理常用脚本_RayChiu757374816的博客-CSDN博客
视频取帧扩充数据集(如果有采集视频的情况)
python工具代码见下面博客的需求二
python和CV对于图片或者文件处理常用脚本_RayChiu757374816的博客-CSDN博客
第二步OpenCV提取ROI框
先用OpenCV提取ROI框，因为图像采集是纯色绿色背景，因此OpenCV很容易滤掉背景，然后提取物体轮廓获取外接矩形即可拿到ROI坐标。
第二步TinyXML生成xml文件
使用TinyXML将ROI映射到xml文件，映射的格式按照yolo的标注规范来，如果想要辅助自动标注其他格式的，想要给其他网络标注，比如coco的json文件，可以借助Jsoncpp库来实现,关于Jsoncpp如何使用见Win10系统下用CMake vs2017编译Jsoncpp并使用测试_RayChiu757374816的博客-CSDN博客_win10安装cmake。
效果
自动标注的
labelimg标注的
自动标注源码下载
深度学习图片自动标注.rar-其它文档类资源-CSDN下载
影响自动标注的因素：
1.光线不一致，光线较暗的情况下OpenCV提取物体效果不好，最终ROI区域提取较差（受图像采集环境影响）
2.透明物体提取边缘不好，最终ROI区域提取较差（受材质影响）
3.颜色相近的区域过滤较为困难（受物体和背景色彩对比度影响）
其他一些思考：
我们这一次实现的自动标注是基于样本背景颜色一致，是纯色背景，因此考虑过滤背景剩下的是目标区域，这种思路不限制物体形状和大小，如果物体形状固定，还可以通过模板匹配的方式来找到目标位置。
自动标注不是万能的，只是用来辅助标注图片减少工作量，是需要人工干涉和评估的，最终的数据集需要经过检查修正。
【如果对您有帮助，交个朋友给个一键三连吧，您的肯定是我博客高质量维护的动力！！！】