调整图像大小时以yolo格式调整边界框答案

【问题标题】：Adjust bounding box in yolo format when resizing image调整图像大小时以yolo格式调整边界框
【发布时间】：2020-11-26 11:15:10
【问题描述】：

我正在尝试调整图像大小，但调整图像大小还需要我更改边界框值。有没有这个是yolo格式x y width height

当我调整特定宽度和高度的图像大小时，在将图像调整为 python 中的 temp_width 和 temp_height 后，将格式 x y 宽度高度的归一化绑定框值转换为新值的逻辑是什么

【问题讨论】：

scaling_factor_width = newImageSizeWidth/oldImageSizeWidth 现在只需使用该缩放因子缩放边界框的 x 坐标和边界框的宽度值。边界框的 scale_factor_height 和 height 和 y 坐标相同。如果要使用子图像（裁剪），则必须从边界框 x/y 位置减去子图像位置的新 x/y 坐标。

标签： python opencv yolo

【解决方案1】：

YOLO 格式确实是一个 bbox（也称为边界框）坐标/数据归一化。

Here，有明确的解释如何获取这些数据（以及 Pascal VOC）。
下面，您将找到获取这些 Yolo 格式数据的代码。
然后您就会明白，只要您使用缩放的图像，就没有什么可以改变的。

实际上，bbox 的标准化 x_center、y_center、box_width 和 box_height 坐标将根据图像进行相应缩放。

但是，如果您裁剪它们，则需要检索 bbox 的 [x_topleft, y_topleft, box_width, box_height] 坐标，并使用该crop_image 的大小对其进行归一化。

假设您有一个“bbox”：

bbox = np.array([x_topleft, y_topleft, box_width, box_height])
       
b_width = bbox[2,]
b_height = bbox[3,]
x_max = bbox[0,] + b_width
y_max = bbox[1,] + b_height

bbox[0,] = ((x_max + bbox[0,]) / 2)  / width
bbox[1,] = ((y_max + bbox[1,]) / 2)  / height
bbox[2,] = bbox[2,] / width
bbox[3,] = bbox[3,] / height
        
bobox = bbox[0,], bbox[1,], bbox[2,], bbox[3,] # normalized x_center, y_center, box_width and box_height

【讨论】：