opencv - 边界框到底在哪里开始或结束？

Question

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，但是当分辨率很大时就可以了。但这让我想到，当图像的分辨率非常低时，例如 8x8，一个像素的错误会导致事情变得非常错误。

所以我想知道，当你说边界框有 x1=0，x2=100 时，究竟是什么意思？

具体来说，我想在理解良好的情况下消除这些混淆：

• 边界框边界是占据第 0 个像素还是围绕第 0 个像素（其边界在 x=-1）？
• 边界框的确切末端在哪里？如果图像的形状=（8,8），末端是7还是8？
• 如果要表示占据整个图像的边界框，它的值应该是多少？

所以我认为正确的问题应该是，我如何直观地考虑边界框，这样它们就不会让我感到困惑？

标签： opencvdeep-learningobject-detectionbounding-boxyolo

Answer 1

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进行转换时，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，该点可以在 range 中具有任何实数值[0,100]。

这意味着像 (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：

1. 所以我想知道，当你说边界框有 x1=0，x2=100 时，究竟是什么意思？

   这意味着连续点 1 的 x 值 = 0，连续点 2 的 x 值 = 100。连续点的大小为零。这不是一个像素。

2. 边界框边界是占据第 0 个像素还是围绕第 0 个像素（其边界在 x=-1）？

   在连续空间中，边界框边框占用零空间。边界非常纤细。但是当我们想将它绘制到图像上时，边框将具有至少 1 像素厚的大小。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。

3. 边界框的确切末端在哪里？如果图像的形状=（8,8），末端是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。

4. 如果要表示占据整个图像的边界框，它的值应该是多少？

   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。