目录

1. 介绍

2. 使用方法

3. 注意事项

4. 示例

5.完整代码

---

1. 介绍

该脚本用于将多个 COCO 格式的 JSON 标注文件合并为一个 JSON 文件。COCO 格式常用于目标检测和图像分割任务，包含以下三个主要部分：

  "images"：图像信息，如图像 ID、文件名等。
  "annotations"：标注信息，如边界框、类别 ID 等。
  "categories"：类别信息，如类别 ID、名称等。

在合并过程中，脚本会重新分配 image id、bbox id 和 category id，以避免 ID 冲突并保持一致性。合并后的 image id 和 bbox id 将从 0 开始顺序排列。

2. 使用方法

打开脚本文件（例如 concat_json.py），并修改以下两个路径：

files_root：存放 JSON 文件的文件夹路径。
output_file：合并后 JSON 文件的保存路径。

files_root = r'D:\w-dataset\AOFandODV2\annotations\val'  # 修改为您的 JSON 文件夹路径
output_file = r'D:\w-dataset\AOFandODV2\annotations\val\output.json'  # 修改为输出文件路径

3. 注意事项

JSON 格式：确保所有 JSON 文件都是有效的 COCO 格式。脚本不会检查格式错误。
ID 重新分配：合并后的 image id 和 bbox id 将从 0 开始重新分配，原始 ID 会被覆盖。
类别合并：相同的类别名称将共享同一个 category id。新的类别 ID 从 1 开始分配（0 被预留给 "ignored"）。
ID 冲突：如果原始 JSON 文件中存在相同的 image id 或 bbox id，脚本会自动重新分配以避免冲突。

4. 示例

假设有以下文件夹结构：

D:\w-dataset\AOFandODV2\annotations\val
├── file1.json
├── file2.json
└── file3.json

 打开 concat_json.py 脚本。
修改 files_root 为 'D:\\w-dataset\\AOFandODV2\\annotations\\val'。
修改 output_file 为 'D:\\w-dataset\\AOFandODV2\\annotations\\val\\output.json'。
保存脚本并在终端中运行 python concat_json.py。
运行后，合并后的 JSON 文件将保存在 'D:\\w-dataset\\AOFandODV2\\annotations\\val\\output.json'。

5.完整代码

import json
from pathlib import Path
"""
拼接多个coco格式的json file
支持多个categories
会自动将 image id 与 bbox id 顺序排列
"""
def concat(files_root:str, output_file = 'output.json'):files_root = Path(files_root)#total_data = {"images": [], "categories": [{ "supercategory": None, "id": 0, "name": "_background_" }], "annotations": []}#ignoredtotal_data = {"images": [], "categories": [{"supercategory": None, "id": 0, "name": "ignored"}],"annotations": []}file_list = [str(i) for i in files_root.iterdir() if i.suffix == '.json']img_id_count, bbox_id_count, categories_count = 0, 0, 1categories_dict:dict= {}for json_file in file_list:print(f'Now Processing {json_file}')with open(file=json_file,mode='r') as f:json_data = json.load(f)images = json_data['images']annotations = json_data['annotations']categories = json_data['categories']for img_idx, image in enumerate(images):image_new = image.copy()origin_img_id = image['id']image_new['id'] = img_id_counttotal_data['images'].append(image_new)for anno_idx, anno in enumerate(annotations):if anno['image_id'] == origin_img_id:anno_new = anno.copy()anno_new['id'] = bbox_id_countanno_new['image_id'] = img_id_counttotal_data['annotations'].append(anno_new)bbox_id_count += 1for category in categories:if anno['category_id'] == category['id'] and \category['name'] not in categories_dict.keys():categories_dict[category['name']] = categories_counttotal_data['categories'].append(dict(supercategory = None, id =categories_count, name = category['name']))categories_count += 1if anno['category_id'] == category['id']:anno_new['category_id'] = categories_dict[category['name']]img_id_count += 1with open(output_file, 'w') as f:json.dump(total_data, f)if __name__ == '__main__':files_root = r'D:\w-dataset\AOFandODV2\annotations\val' # 修改为文件夹路径output_file = r'D:\w-dataset\AOFandODV2\annotations\val\output.json'  # 输出文件，默认为当前路径下的 output.jsonconcat(files_root, output_file=output_file)