假如每个txt文件有未知行数据，每行代表一个目标

求资专用

假设有7000个txt文件，没个文件里有不知道多少行数据。一行数据格式例如：

3 0.6217320261437909 0.6081081081081081 0.08006535947712419 0.44324324324324327

，5个按空格隔开的数字分别代表 1：目标类别 2：目标x轴中心点 3：目标y轴中心点 4：目标的宽度 5：目标的高度（都是归一化数字，分别乘以图片的宽高width height获得真实的像素值）
如何分别对每一个目标解除归一化（这里我会），储存每个目标的左右边缘值xmin xmax（这里我不知道要存多少个，每多一个都要设置两个变量吗？），并在之后用某个数值（比如370）分别与每个目标比较判断其是否在其中某个目标范围内（也就是对所有的目标都不满足 xmin《370《xmax）？主要是用矩阵的话，一是不好确认维度，二是用变量存储的数据不知道要多少个变量，要多少次循环。（是不是可以用数组存储来？）

import cv2
#打开标签
f = open('.\\label\\000006.txt')
f1 = open('10000001.txt','w')
f2 = open('10000002.txt','w')
f3 = open('10000003.txt','w')
#读取标签中目标的坐标
data = []
for line in f.readlines():
        temp = line.split()
        data.append(temp)

#这一段是裁剪图片的代码
img = cv2.imread('000006.png',1)
a=0  #读取标签中的第一个目标的数据，在标签数量不同的时候怎么确定要读取多少遍呢？后面也不知道data矩阵的维度啊。
height, width, depth = img.shape
xmin = int(float(data[a][1])*width - 0.5*float(data[a][3])*width)
ymin = int(float(data[a][2])*height - 0.5*float(data[a][4])*height)
xmax = int(float(data[a][1])*width + 0.5*float(data[a][3])*width)
ymax = int(float(data[a][2])*height + 0.5*float(data[a][4])*height)
print(xmin,ymin,xmax,ymax)
dst0 = img[0:height, xmin:xmax]   # 裁剪坐标为[y0:y1, x0:x1]
size0 =dst0.shape
print(size0)
cv2.imshow('image',dst0)
b = 370 #图片的高是370，所以先试着从左边开始截，但是这样只能避开一个目标，因为只把b和data[a][1]比较了
if not b in (xmin,xmax):
        print(b)
        dst1 = img[0:height, 0:b]
        cv2.imshow('image1',dst1)
else:
        b = xmax + 10

求资专用

我的需求是这样的：做目标检测时数据集中有很多张按000000.png 000001.png排序命名的图片，每张图片中有数量不等的目标，这些目标所在的位置有对应的标签000000.txt等记录。格式例如3 0.6217320261437909 0.6081081081081081 0.08006535947712419 0.44324324324324327，5个按空格隔开的数字分别代表 1：目标类别 2：目标x轴中心点 3：目标y轴中心点 4：目标的宽度 5：目标的高度（都是归一化数字，分别乘以图片的宽高获得真实的像素值）由于数据集中的图片太长太矮影响使用，需要剪切成多个尽量正方形的图片（按宽高比大概竖着切成三份吧，切出来的图宽高差不多就可以）但不要截断目标。