裁剪图像时如何转换Yolo标签的协调？

Question

我创建了超过1200张带有Yolo检测标签的图像，问题是每个图像大小均为800x600，所有带有标签的对象都位于图像的中间。因此，我想裁剪其余部分，因为物体放在中间。 因此，图像的大小将大约是400x300（左，右，顶部，底部），但这些物体仍然位于中间。但是，除了再次标记以外，您如何转换或更改坐标呢？

# (used labelimg for yolo)
0 0.545000 0.722500 0.042500 0.091667
1 0.518750 0.762500 0.097500 0.271667

这是我的标签.txt之一。对不起，我的英语不好！

Answer 1

我自己只是自己解决这个问题，所以这是一个完整的解释，说明为什么底部的公式是正确的。

让我们介绍如何格式化这些注释。

         x
 0--------------->1    
 |       .
 |   _________   
 |   |   .   | ^
 |   |   .   | |
y|...|...*   | h
 |   |       | |
 |   |_______| v
 |   <---w--->
 V 
 1     

每行都是5个数字，由一个空间溅出：nxyw h，

• n 类的类数：eg 0：“ tree”，1：“ car”等。
• x 标记区域中心的x归一级坐标
• y x标记区域中心的x归一级坐标
• w h
• h h标记区域

W和H的H归一化高度是指原始图像的宽度和高度。
归一化值相对于图像的宽度或高度。这是一个比例。例如，x值像x [px]/w [px] = x归一化一样归一化。

这样的一些优点：

• 所有值均在0到1的范围内。很容易判断一个值是否超出框架＆lt; 0或1。
• 无论您是高档还是尺寸尺寸，测量的图像
• 单位都无关紧要。

Y轴从上到下。其他一切都像您的标准坐标系。

现在要种植。让我们拍摄一棵树的照片：

      W
   0------>1
   |⠀⢀⣴⣶⣤⣄⠀| 
   |⢠⣿⣿⣿⣿⣿⡆|
H  |⠈⠿⠿⣯⠿⠿⠁|
   | ⠀⠀⣿⠀  |⠀⠀
   v  ⠐⠛⠃⠀ |⠀
   1--------

缩放

我们现在将裁剪到树图像的左上方。

 _____
 | ⣴⣶|  
 |⢠⣿⣿|
 -----

我们的新图像宽度W'现在仅是原始W的一半。也是H'= 0.5*h。旧图像的中心现在是左下角。我们知道图像的中心 p 在（0.5,0.5）。左下角在p'=（1,1）。如果我们在旧图像中裁剪（0.3,0.3）是新的底部，新坐标也将在（1,1）。 0.5也是½。为了从0.5到1，我们需要乘以2，为⅓ *3，¼ *4。我们看到，如果我们需要将宽度或高度降低为a/b，则需要乘以b/a。

翻译，

但我们也想移动图像的左上角，即我们的坐标Origin o 。
让裁剪到树干：

   O'---
H' |⠀⣿⠀|⠀⠀
   |⠐⠛⠃|
   ----q'
     W'

W是7个字符。新的宽度为W'是3。H= 5，H'是2。 2,3）在字符中，标准化为原始图像（[！[2 of 7] [2]] [2]，[！[3 of 5] [3]] [3] [3]）或（0.285,0.6）。
o'是（0.285,0.6），但应为（0,0），因此我们在扩展新值之前分别将x和y减少0.285和0.6。这不是很有趣，因为0倍任何东西是0。

让我们做另一个示例。我们新的树干的新裁剪图像的右下角。让我们称这一点 q 我们知道，在我们的新剪辑映像系统中 q 必须是 q' =（1,1），它是毕竟底部。

我们已经测量了：
w = 7 w'= 3 h = 5 h'= 2
我们减少了多少比例的高度和宽度？

（ww'/w）为（7-3/7）是（4/7）或0.571。我们知道我们必须将W缩放为7/4或1.75或0.571^-1。 h：3/5 - ＆gt; 5/3 - ＆GT; 1.6重复。
让我们称这些 s 平原因子 s_h = 5/3和 s_w = 7/4

q'在（ 5,7）在 o 中。让我们将我们的公式进行测试。
我们将小时起点以x/w为单位，y/h方向3个小时，让我们称之为ΔW= 2，ΔH= 3。

对于 q'_x ，我们从 q_x 中删除2，因为ΔW= 2。我们得到5-2 = 3。现在，我们通过除以5来归一化3。因此，我们得到 q_x 为3/5。现在，我们按 s_h = 5/3进行扩展，是的5/3倍3/5确实是1。现在我们检查了逻辑，我们可以编写算法。

我们已经具有归一化值的算法

，因此问题更简单。

对于原始的点 p ，我们可以在这样的新图像中计算 p'：

p` =（x'，y'）=（（（x-ΔW）* s_w ），（y-ΔH）* s_h ）
用：ΔW= abs（ww'），ΔH=
abs（hh'），s_w = w/Δw，s_h = h/δhh'= h * s_h w'= w * s_w

in Python：

    def transpose_annot(x_c, y_c, w_c,h_c,annnotations):
        # c : cropped area
    
        # s_w scale width
        s_w = 1/w_c
        # s_w scale height
        s_h = 1/h_c
        new_annots=list()
    
        for annot in annnotations:
      
            try:
                n,x, y, w, h = annot # check if n/label is given
            except Exception:
                x, y, w, h = annot
            w_ = w*s_w
            h_ = h*s_h
            delta_x= x-x_c
            delta_y=y-y_c
            # center of cropping area is new center of image
            # we just scale the image accordingly
            x_ = 0.5 + delta_x * s_w
            y_ = 0.5 + delta_y * s_h
            if n==None:
                new_annots.append((x_, y_, w_, h_))
            else:
                new_annots.append((n,x_, y_, w_, h_))
            print(x_, y_, w_, h_)
        return new_annots

纠正注释

我们可以裁剪我们需要删除的注释，或者需要部分调整为部分裁剪。

如前所述，所有值必须在间隔[0,1]中。

完全裁剪的注释将具有1+ΔW/2＆gt; x＆lt;ΔW/2和1+ΔW/2＆gt; y＆lt＆lt＆lt＆lt＆lt;ΔH/2

部分裁剪。

如果您想在仅1/4或更少的区域可见或掉落注释的注释中，则会 范围[0,25,1）将更加复杂。

         x
     _________   
     |   .   |
     |   .   |
 y...|.0-*---|-------->1
     | |     | h
     |_______|
       |  w
       V 
       1     

裁剪图像中的交叉区域

我们可以将此问题视为计算两个矩形之间的交叉区域。为方便起见，该功能还返回框架中面积的百分比。

def new_annotation_area(x, y, w, h):

    # ________
    # |  a   |
    # |   ___|______
    # |   |c |     |
    # |___|__|  b  |
    #     |________|
    # a is coordinate system (given)
    # b is the annotation in coordinate system
    # c is the intersection area
    a_x = 0.5
    a_y = 0.5
    a_w = 1
    a_h = 1
    a_max_x = a_x + a_w / 2
    a_min_x = a_x - a_w / 2

    b_max_x = x + w / 2
    b_min_x = x - w / 2

    # from the one dimensional case
    # how much do two lines overlap/intersect?
    # it is easy to get to the area
    #  a_min_x----------a_max_X
    #        b_min_X----------b_max_x
    #        c_min_x----c_max_x

    c_min_x = max(a_min_x, b_min_x)
    c_max_x = min(a_max_x, b_max_x)
    c_len_x = c_max_x - c_min_x

    a_max_y = a_y + a_h / 2
    a_min_y = a_y - a_h / 2

    b_max_y = y + h / 2
    b_min_y = y - h / 2

    c_min_y = max(a_min_y, b_min_y)
    c_max_y = min(a_max_y, b_max_y)
    c_len_y = c_max_y - c_min_y
    area = c_len_y * c_len_x

    c_w = c_len_x
    c_h = c_len_y
    c_x = c_min_x + 0.5 * c_w
    c_y = c_min_y + 0.5 * c_h

    return area/(w*h), (c_x, c_y, c_w, c_h)