如何在给定相对 bbox 坐标的情况下在此图片上裁剪车号？

Question

我有这张照片：

我有以下相对坐标：

[[0.6625, 0.6035714285714285], [0.7224999999999999, 0.6035714285714285], [0.7224999999999999, 0.6571428571428571], [0.6625, 0.6571428571428571], [0.6625, 0.6035714285714285]]

（但是我不明白，为什么这里有 5 个值而不是通常的 4 个值及其含义）

我尝试 scikit-image 显示整张图片而不是裁剪：

import numpy as np
from skimage import io, draw

img = io.imread(pic)

vals = [[0.6625, 0.6035714285714285], [0.7224999999999999, 0.6035714285714285], [0.7224999999999999, 0.6571428571428571], [0.6625, 0.6571428571428571], [0.6625, 0.6035714285714285]]

vertices = np.asarray(test_vals)

rows, cols = draw.polygon(vertices[:, 0], vertices[:, 1])

crop = img.copy()

crop[:, :, -1] = 0
crop[rows, cols, -1] = 255

io.imshow(crop)
io.show()

# shows whole pic instead of cropping

我对 opencv 的尝试给出了错误，因为坐标是浮点格式：

import cv2 as cv


vals = [[0.6625, 0.6035714285714285], [0.7224999999999999, 0.6035714285714285], [0.7224999999999999, 0.6571428571428571], [0.6625, 0.6571428571428571], [0.6625, 0.6035714285714285]]

x = vals[0][0]
y = vals[0][1]
width = vals[1][0] - x
height = vals[2][1] - y

img = cv.imread(pic)

crop_img = img[y:y+height, x:x+width]
cv.imshow("cropped", crop_img)
cv.waitKey(0)

#  TypeError: slice indices must be integers or None or have an __index__ method

如何在给定相对 bbox 坐标的情况下在此图片上裁剪车号？

我不局限于任何框架，所以如果您认为 TF 或其他任何东西可能有帮助 - 请提出建议。

Answer 1

检查

vals = [[0.6625, 0.6035714285714285], [0.7224999999999999, 0.6035714285714285], [0.7224999999999999, 0.6571428571428571], [0.6625, 0.6571428571428571], [0.6625, 0.6035714285714285]]

表明列表中的第一个和最后一个条目是相同的。 在图像处理中，位置 (0,0) 是左上角。查看列表中的值，可以假设坐标给出如下：

[top_left, bottom_left, bottom_right, top_right, top_left]

所有数字都在 0 到 1 之间的事实表明这些是相对坐标。要重新缩放回图像尺寸，它们需要分别乘以高度和宽度：

# dummy img sizes:
image_height = 480
image_width = 640

# rescale to img dimensions, and convert to int, to allow slicing:
bbox_coordinates = [[int(a[0]*image_height), int(a[1]* image_width)] for a in vals]

现在，您可以使用数组切片对图像进行裁剪：

top_left = bbox_coordinates[0]
bottom_right = boox_coordinates[2]

bbox = img[top_left[0]:bottom_right[0], top_left[1]:bottom_right[1]]