计算机视觉 / 系统课时
图像缩放与填充
图像缩放与填充
本课通过同一张图像和同一个目标框,对比直接缩放与等比例填充的处理结果,并给出可运行的坐标映射代码。完成后,你能把原图目标框准确转换到模型输入尺寸。
学习目标
- 区分直接缩放与等比例填充对图像形状的影响
- 计算缩放比例、填充偏移和目标框新坐标
- 验证变换后的图像尺寸与标注位置是否一致
两种方式与坐标规则
目标检测模型通常要求固定输入尺寸,例如 640×640。原图若是 500×300,直接缩放会把宽和高分别拉伸到 640,横向比例为 1.28,纵向比例约为 2.13,因此物体和目标框都会变形。
等比例填充也称 Letterbox。它先使用统一比例缩放,使图像完整放入目标画布,再在剩余区域补边。物体形状保持不变,但目标框坐标除了乘缩放比例,还必须加上填充偏移。

设原图尺寸为 ,目标尺寸为 ,原目标框为 。直接缩放分别使用 与 ,新坐标为 。
Letterbox 使用统一比例:
若左侧和顶部填充分别为 、,新坐标为 。
完整实现与验证
下面创建一张 500×300 的测试图和目标框 [100, 60, 400, 240],分别生成直接缩放图与 Letterbox 图,并把映射后的框画出来。
from pathlib import Path
from typing import Tuple
import cv2
import numpy as np
Box = Tuple[int, int, int, int]
def draw_box(image: np.ndarray, box: Box) -> np.ndarray:
result = image.copy()
x1, y1, x2, y2 = box
cv2.rectangle(result, (x1, y1), (x2, y2), (0, 0, 255), 3)
return result
def direct_resize(
image: np.ndarray, box: Box, target_size: Tuple[int, int]
) -> tuple[np.ndarray, Box]:
target_w, target_h = target_size
height, width = image.shape[:2]
# 直接缩放为横纵方向分别计算比例
sx, sy = target_w / width, target_h / height
resized = cv2.resize(image, (target_w, target_h))
x1, y1, x2, y2 = box
mapped = (
round(x1 * sx),
round(y1 * sy),
round(x2 * sx),
round(y2 * sy),
)
return resized, mapped
def letterbox(
image: np.ndarray, box: Box, target_size: Tuple[int, int]
) -> tuple[np.ndarray, Box, float, int, int]:
target_w, target_h = target_size
height, width = image.shape[:2]
# Letterbox 使用统一比例,避免改变物体宽高比
scale = min(target_w / width, target_h / height)
new_w, new_h = round(width * scale), round(height * scale)
resized = cv2.resize(image, (new_w, new_h))
# 将剩余空间均分到两侧,并使用 YOLO 常见灰色填充值
pad_x = (target_w - new_w) // 2
pad_y = (target_h - new_h) // 2
canvas = np.full((target_h, target_w, 3), 114, dtype=np.uint8)
canvas[pad_y : pad_y + new_h, pad_x : pad_x + new_w] = resized
# 框坐标先缩放,再加上画布偏移
x1, y1, x2, y2 = box
mapped = (
round(x1 * scale + pad_x),
round(y1 * scale + pad_y),
round(x2 * scale + pad_x),
round(y2 * scale + pad_y),
)
return canvas, mapped, scale, pad_x, pad_y
def main() -> None:
output_dir = Path("resize_output")
output_dir.mkdir(exist_ok=True)
# 构造固定原图和目标框,便于核对坐标结果
image = np.full((300, 500, 3), 230, dtype=np.uint8)
box = (100, 60, 400, 240)
cv2.rectangle(image, (100, 60), (400, 240), (80, 180, 80), -1)
direct_image, direct_box = direct_resize(image, box, (640, 640))
letterbox_image, letterbox_box, scale, pad_x, pad_y = letterbox(
image, box, (640, 640)
)
cv2.imwrite(
str(output_dir / "direct_resize.jpg"),
draw_box(direct_image, direct_box),
)
cv2.imwrite(
str(output_dir / "letterbox.jpg"),
draw_box(letterbox_image, letterbox_box),
)
print(f"direct_box={direct_box}")
print(f"scale={scale:.2f}, pad_x={pad_x}, pad_y={pad_y}")
print(f"letterbox_box={letterbox_box}")
print(f"direct_shape={direct_image.shape}")
print(f"letterbox_shape={letterbox_image.shape}")
if __name__ == "__main__":
main()预期输出
direct_box=(128, 128, 512, 512)
scale=1.28, pad_x=0, pad_y=128
letterbox_box=(128, 205, 512, 435)
direct_shape=(640, 640, 3)
letterbox_shape=(640, 640, 3)运行后会生成 resize_output/direct_resize.jpg 和 resize_output/letterbox.jpg。前者中的绿色区域被纵向拉长;后者上下出现灰色填充,绿色区域比例保持不变,红色框应与区域边界重合。
反向还原与验收
模型输出的框位于输入画布坐标系。直接缩放时,分别用 、 除回原尺寸;Letterbox 则先减去填充,再除以统一比例:
还原后应把坐标裁剪到原图边界内,防止填充区中的预测产生负数或超出宽高。训练标签、推理输入和结果还原必须采用同一套取整与填充规则,否则会出现一到数个像素的系统偏差。
验收时至少确认输入尺寸正确、物体未变形、映射框紧贴目标,以及反向还原后能回到原图位置。若训练阶段使用 Letterbox、推理阶段却直接拉伸,即使程序没有报错,检测精度和框位置也可能下降。
Tips:不同 YOLO 实现可能把多出的奇数像素分配到右侧或下侧,也可能使用不同填充值。接入现有框架时,应以其预处理函数为准,不要只复制公式。