在 OpenCV 或对象检测模型中，它们将边界框表示为 4 个数字，例如x,y,宽度,高度或 x1,y1,x2,y2。
这些数字似乎定义不明确，但分辨率很大时没问题。 但这让我想到图像的分辨率非常低，例如8x8，一个像素的错误可能会导致事情变得非常错误。
所以我想知道，当您说边界框具有 x1=0、x2=100 时，究竟是什么意思？
具体来说，我想在理解好的情况下消除这些困惑：
所以我认为正确的问题应该是，我如何直观地考虑边界框，这样我就不会感到困惑？
【问题讨论】：
标签： opencv deep-learning object-detection bounding-box yolo
好的。在处理了很多天的边界框之后，我现在对如何考虑边界框坐标有了自己的直觉。
我将坐标分为两类：连续的和离散的。当您尝试在它们之间转换时，通常会出现心理问题。
假设图像的宽度=100，高度=100，那么您可以有一个带有 x,y 的连续点，该点可以具有[0,100] 范围内的任何实数值。
表示 (0,0), (0.5,7.1,39.83,99.9999) 这样的点是有效点。
现在您可以通过取数字的底数将图像上的连续点转换为离散点。例如。 (5.5, 8.9) 被映射到图像上的像素数 (5,8)。了解您不应该使用上限或舍入操作将其转换为离散版本非常重要。假设您有一个连续点 (0.9,0.9)，该点位于 (0,0) 像素中，因此它最接近 (0,0) 像素，而不是 (1,1) 像素。
在此基础上，让我们尝试回答我的问题：
所以我想知道，当您说边界框具有 x1=0、x2=100 时，究竟是什么意思？
表示连续点 1 的 x 值 = 0，连续点 2 的 x 值 = 100。连续点的大小为零。这不是像素。
边界框的边框是占据第 0 个像素还是围绕第 0 个像素（其边框在 x=-1 处）？
在连续空间中，边界框边框占用零空间。边框非常纤细。但是当我们想将它绘制到图像上时，边框的大小至少要 1 个像素厚。所以如果我们有一个连续点 (0,0)，它将占据图像的第 0 个像素。但理论上，它代表第 0 个像素的左侧和顶部的细边框。
边界框的确切末端在哪里？如果图像的 shape=(8,8)，那么结束是在 7 还是 8？
您可以拥有的最大 x,y 值是 7.999...但是当转换为离散版本时，您将剩下 7 代表最后一个像素。
如果你想表示一个占据整个图像的边界框，它的值应该是什么？
由于您拥有的精度，您应该在连续空间而不是离散空间中表示边界框坐标。这意味着最大的边界框从 (0,0) 开始，到 (100,100) 结束。但是如果要绘制这个框，则需要将其转换为离散版本，并在 (0,0) 处绘制边界框，并在 (99,99) 处结束。
【讨论】：
在 OpenCv 中，可以通过多种方式定义边界矩形。一种方法是它的左上角和右下角。对于构造函数Rect(int x1, int y1, int x2, int y2)，它定义了这两点。矩形正好从那个像素和坐标开始。对于亚像素矩形，也有保存浮点坐标的变体。
所以我想知道，当您说边界框具有 x1=0、x2=100 时，究竟是什么意思？
这意味着左上角 x-coordinate 从 0 开始，右下角 x-coordinate
从 100 开始。
边界框的边界是占据第 0 个像素还是围绕第 0 个像素（其边界在 x=-1）？
边框正好从第 0 个像素开始。这意味着绘制时宽度和高度为1px的矩形只是一个符号点（1px）
边界框的确切末端在哪里？如果图像的 shape=(8,8)，那么结束是在 7 还是 8？
7 点结束，见下文。
如果要表示一个占据整个图像的边界框，它的值应该是多少？
让图像大小为 100,100。由两点定义的图像矩形周围将是Rect(Point(0,0), Point(99,99))，起点和大小为Rect(0, 0, 100, 100)
基本是要知道大小为X,Y 的图像在(0,0) 具有最小左上坐标，在右下坐标(X-1,Y-1) 具有最大坐标
【讨论】：