目标检测xywh格式转xyxy格式

缺乏、安全感 2022-09-01 14:49 220阅读 0赞

这两天在看YOLOv1的代码，看到这边博客给了代码

传送门：[动手学习深度学习pytorch版——从零开始实现YOLOv1][pytorch_YOLOv1]

其中有个地方需要用到cv2.rectangle（）函数来给图像进行框选

这个函数中的pt1和pt2参数指的就是要框选的图像的左上角点和右下角点，这大家也都知道了

但是当时只有中心宽高（xywh）格式的坐标数据，所以我们需要把它转换成xyxy格式（左上角点和右下角点）的坐标数据

代码先前已经做的工作是，遍历了图片，获取它的xml数据，从而获得的宽高、xyxy格式的变量，然后再通过convert（）函数对数据进行归一化

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoZW5oYWliYl8_size_16_color_FFFFFF_t_70][]

def convert(size, bbox):
        """
        将bbox的左上角点、右下角点坐标的格式，转换为bbox中心点 + bbox的w,h的格式，并进行归一化
        size: [weight, height]
        bbox: [Xmin, Ymin, Xmax, Ymax]
        即：xyxy（左上右下） ——> xywh（中心宽高）
        xyxy（左上右下）:左上角的xy坐标和右下角的xy坐标
        xywh（中心宽高）:边界框中心点的xy坐标和图片的宽度和高度
        """
        dw = 1. / size[0]
        dh = 1. / size[1]
        x = (bbox[0] + bbox[2]) / 2.0
        y = (bbox[1] + bbox[3]) / 2.0
        w = bbox[2] - bbox[0]
        h = bbox[3] - bbox[1]
        x = x * dw
        y = y * dh
        w = w * dw
        h = h * dh
        return (x, y, w, h)

但是后来我只想检验一张图片，所以再根据路径读取xml数据有点麻烦，代码中有两行关于pt1和pt2的计算公式，是怎么来的呢，下面我笨拙地推导一下（目前还没理解到其他好理解的方式能直接写出这个公式，因为我是直接推导了一遍，才看明白这个公式是啥意思）

show_labels_img("2011_000002")
    
    
    def show_labels_img(imgname):
        """imgname是输入图像的名称，无下标"""
        img = cv2.imread(STATIC_DATASET_PATH + "/JPEGImages/" + imgname + ".jpg")  # 用于读取图片文件
        h, w = img.shape[:2]
        # label = []
        '''
        1) ./是当前目录
        2) ../是父级目录
        3) /是根目录
        '''
        with open(STATIC_DATASET_PATH + "/labels/" + imgname + ".txt", "r") as labels:
            for label in labels:
                label = label.split(" ")
                # label: [类、x、y、w、h（中心宽高）]
                label = [float(x.strip()) for x in label]
                # 根据convert（）推导pt1和pt2的公式
                pt1 = (int(label[1] * w - label[3] * w / 2), int(label[2] * h - label[4] * h / 2))  # 矩形的左上角
                print(pt1)
                pt2 = (int(label[1] * w + label[3] * w / 2), int(label[2] * h + label[4] * h / 2))  # 矩形的右下角
                print(pt2)
                #  图像、文字内容、坐标、字体样式、字体大小、颜色、粗细
                cv2.putText(img, GL_CLASSES[int(label[0])], pt1, cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255))
                '''
                pt1: x1, y1（矩形的左上角）
                pt2: x2, y2（矩形的右下角）
                color：B G R
                '''
                cv2.rectangle(img, pt1, pt2, (0, 0, 255), 2)
        cv2.imshow("img", img)
        cv2.waitKey(0)  # 持续显示图片直到有按键被按下，用鼠标选中图片显示窗口，按下键盘任意键即可关闭该窗口（）必须要有这一行，否则无法显示图片

推导过程如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoZW5oYWliYl8_size_16_color_FFFFFF_t_70 1][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoZW5oYWliYl8_size_16_color_FFFFFF_t_70 2][]

[pytorch_YOLOv1]: https://blog.csdn.net/weixin_41424926/article/details/105383064
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoZW5oYWliYl8_size_16_color_FFFFFF_t_70]: /images/20220829/3a17e3056c624751923d31c7c78d05db.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoZW5oYWliYl8_size_16_color_FFFFFF_t_70 1]: /images/20220829/b47f7d922c124e3a9da24d6f9e071911.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoZW5oYWliYl8_size_16_color_FFFFFF_t_70 2]: /images/20220829/02939c43fcfb4dd197589391625d5bc1.png