计算机视觉 / 系统课时

边界框坐标表示

边界框坐标表示

目标检测不仅要判断图像中有什么,还要用一个矩形指出目标在哪里。本课将掌握两种常用边界框坐标格式,完成它们之间的转换,并理解像素坐标与归一化坐标的区别。

学习目标

  • 区分左上右下坐标与中心点宽高坐标
  • 独立完成两种坐标格式的双向转换
  • 正确处理归一化、越界和宽高合法性

两种常用表示方式

左上右下格式记为 (x1,y1,x2,y2)(x_1,y_1,x_2,y_2),其中 (x1,y1)(x_1,y_1) 是左上角,(x2,y2)(x_2,y_2) 是右下角。它直观地描述矩形范围,常用于绘制边界框、计算交集和裁剪图像,也常写作 xyxy。

中心点宽高格式记为 (cx,cy,w,h)(c_x,c_y,w,h),其中 (cx,cy)(c_x,c_y) 是矩形中心,ww 和 hh 分别是宽度与高度。它更适合检测模型预测位置和尺寸,也常写作 cxcywh 或 xywh。看到 xywh 时应先确认其中的 x,yx,y 指中心点还是左上角,因为不同库的约定可能不同。

边界框两种坐标表示

坐标双向转换

从左上右下转换为中心点宽高

已知 (x1,y1,x2,y2)(x_1,y_1,x_2,y_2),先用右下角减左上角得到宽高,再取两个端点的平均值得到中心点:

w=x2−x1,h=y2−y1w=x_2-x_1,\quad h=y_2-y_1
cx=x1+x22,cy=y1+y22c_x=\frac{x_1+x_2}{2},\quad c_y=\frac{y_1+y_2}{2}

例如,边界框为 (20,30,100,90)(20,30,100,90),则宽度为 8080,高度为 6060,中心点为 (60,60)(60,60),转换结果是 (60,60,80,60)(60,60,80,60)。

从中心点宽高还原角点

已知 (cx,cy,w,h)(c_x,c_y,w,h),中心点向左、向上各移动一半宽高可得到左上角,向右、向下各移动一半宽高可得到右下角:

x1=cx−w2,y1=cy−h2x_1=c_x-\frac{w}{2},\quad y_1=c_y-\frac{h}{2}
x2=cx+w2,y2=cy+h2x_2=c_x+\frac{w}{2},\quad y_2=c_y+\frac{h}{2}

将 (60,60,80,60)(60,60,80,60) 代入,可还原为 (20,30,100,90)(20,30,100,90)。双向转换后若出现小数,通常保留浮点数参与训练与计算,只有绘制到离散像素网格时才根据库的规则取整。

像素坐标、归一化与边界

像素坐标直接使用图像中的位置,例如宽为 200200、高为 100100 的图像中,中心点 (60,60)(60,60) 是实际像素位置。归一化坐标则把横向量除以图像宽度,把纵向量除以图像高度,使结果通常位于 00 到 11 之间。

对于上面的 (60,60,80,60)(60,60,80,60),归一化结果为:

(60200,60100,80200,60100)=(0.3,0.6,0.4,0.6)\left(\frac{60}{200},\frac{60}{100},\frac{80}{200},\frac{60}{100}\right)=(0.3,0.6,0.4,0.6)

YOLO 标注通常使用归一化的中心点宽高格式。归一化后,标注不再依赖固定分辨率;图像缩放时,只要目标相对位置不变,坐标值仍然成立。

转换时的边界检查

转换前应确认 x2>x1x_2>x_1、y2>y1y_2>y_1,否则宽度或高度为零、负数,边界框无效。归一化坐标通常应落在 [0,1][0,1] 范围内;若框超出图像,需要按数据集规则裁剪、丢弃或保留,不能在未说明规则时直接修改。

还要注意图像坐标系的原点通常位于左上角,xx 向右增大,yy 向下增大。不同绘图库对右下边界是否包含最后一个像素可能有细微差异,因此训练、评估与可视化应使用同一套坐标约定。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

边界框坐标表示

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通