其中，需要把你的class更改，还有图片的大小和路径改成自己的。

因为yolo的目标检测框数值都在0-1之间，所以需要传入图片原本的大小。

这是海康生成的打标结果，所有结果都放在一个txt文件。其中我拿第一张图片举例

这是海康根据打标结果生成的记录：

这张图片一共有4个检测框，转换为yolo的格式如下： 

这里1就代表缺焊，0代表正常，是根据代码中的class生成。

小tips：图片的像素大小可以查看图片属性的详细信息。

 完整代码如下：

import os

# 图片的宽度和高度
IMAGE_WIDTH = 2448
IMAGE_HEIGHT = 2048

# 定义分类映射
classification_map = {
    "正常": "0",
    "缺焊": "1",
    "溢焊": "2",
    "异常": "3"
}


def normalize(value, max_value):
    """归一化处理，将值缩放到0到1之间"""
    return value / max_value


def calculate_center_and_size(coords):
    """计算矩形的中心点、宽度和高度，并归一化处理"""
    x1, y1, x2, y2, x3, y3, x4, y4 = coords
    center_x = (x1 + x2 + x3 + x4) / 4
    center_y = (y1 + y2 + y3 + y4) / 4
    width = max(x1, x2, x3, x4) - min(x1, x2, x3, x4)
    height = max(y1, y2, y3, y4) - min(y1, y2, y3, y4)

    # 归一化处理
    center_x_normalized = normalize(center_x, IMAGE_WIDTH)
    center_y_normalized = normalize(center_y, IMAGE_HEIGHT)
    width_normalized = normalize(width, IMAGE_WIDTH)
    height_normalized = normalize(height, IMAGE_HEIGHT)

    return center_x_normalized, center_y_normalized, width_normalized, height_normalized


# 定义输入文件路径和输出文件路径
input_file_path = 'D:\guoyu\美的钎焊检测\训练左\DetectTrainData.txt'  # 替换为你的输入文件路径
output_directory = 'D:\guoyu\美的钎焊检测\label'  # 替换为你的输出文件目录

# 创建输出目录（如果不存在的话）
os.makedirs(output_directory, exist_ok=True)

# 打开并读取原始文件
with open(input_file_path, 'r', encoding='utf-8') as file:
    # 逐行读取文件内容
    for line in file:
        # 去除每行末尾的换行符
        line = line.strip()

        # 如果行内容非空，则处理该行
        if line:
            # 分割行内容，提取第一个部分作为文件名
            parts = line.split(':')
            if parts:
                file_name = parts[0].split('.')[0]  # 去掉文件扩展名
                output_file_path = os.path.join(output_directory, f'{file_name}.txt')  # 生成新的文件名路径

                # 打开新的文件进行写入
                with open(output_file_path, 'w', encoding='utf-8') as output_file:
                    # 以 ' R:' 分割每一部分
                    segments = line.split(' R:')
                    for segment in segments[1:]:
                        # 去除每个 segment 的前导和尾随空白字符，并分割成部分
                        segment_parts = segment.strip().split()

                        # 检查 segment_parts 长度是否足够
                        if len(segment_parts) < 10:
                            print(f"警告：segment_parts 长度不足，内容为：{segment_parts}")
                            continue

                        # 提取分类标签（最后一个部分去掉双引号）
                        classification_label = segment_parts[-1].strip('"')
                        # 根据分类标签获取相应的数字
                        classification_number = classification_map.get(classification_label, "未知分类")

                        # 提取坐标部分，并确保其可以被正确转换为整数
                        try:
                            coords = list(map(int, segment_parts[1:9]))
                        except ValueError as e:
                            print(f"错误：无法转换坐标部分为整数，segment_parts 为：{segment_parts[1:9]}")
                            continue

                        # 计算中心点、宽度和高度，并归一化
                        center_x, center_y, width, height = calculate_center_and_size(coords)

                        # 写入分类数字
                        output_file.write(classification_number + " ")
                        # 写入归一化后的中心点和宽度、高度
                        output_file.write(f"{center_x:.6f} {center_y:.6f} {width:.6f} {height:.6f}\n")

print("文件处理完成。")