Python图像裁剪教程：基于YOLO格式标注文件的精准边界框解析与裁剪-Python教程-PHP中文网

Python图像裁剪教程：基于YOLO格式标注文件的精准边界框解析与裁剪

本文详解如何正确解析yolo格式（归一化中心坐标+宽高）的文本标注文件，并转换为像素级坐标，实现图像中目标区域的精准裁剪，避免常见坐标误用导致的裁剪偏移或截断。

本文详解如何正确解析yolo格式（归一化中心坐标+宽高）的文本标注文件，并转换为像素级坐标，实现图像中目标区域的精准裁剪，避免常见坐标误用导致的裁剪偏移或截断。

在计算机视觉任务中，尤其是目标检测后的结果可视化或数据增强阶段，常需依据标注文件对原始图像进行目标区域裁剪。但实践中，大量开发者因混淆标注格式（如YOLO vs. Pascal VOC）而出现裁剪错位——例如将归一化的中心点坐标（x_center, y_center）和宽高（w, h） 误当作左上角坐标使用，导致裁剪框严重偏离实际目标（如车牌、头盔等小目标被部分截断甚至完全丢失）。

您提供的代码逻辑整体合理，但存在一个关键性偏差：虽已识别出YOLO格式的5元组（class x_c y_c w h），却在坐标转换时未严格遵循YOLO定义的归一化规则与像素映射关系。具体问题在于：

YOLO标注中 x_center, y_center, width, height 均为相对于图像宽高的归一化值（范围 [0,1]）；
转换为像素坐标时，必须先乘以对应图像尺寸，再通过 x1 = x_center - w/2、x2 = x_center + w/2 等方式计算真实边界；
原始代码中 half_width = int(width * img_width / 2) 的计算是正确的，但后续 x1 = max(0, x_center - half_width) 使用的是已转为整数的 x_center（即 int(x_center * img_width)），而该值本身已是像素坐标，不应再参与“减半宽”的运算逻辑——这会导致数值精度损失与边界偏移。

✅ 正确做法是：全程在浮点精度下完成坐标计算，最后统一取整并做边界裁剪。以下是修正后的核心逻辑（含完整可运行示例）：

python 查询技能

查询客流数据，输出JSON格式，可直接导入Bitable等可视化工具

下载

import os
import cv2

def crop_image_with_annotation(image_path, annotation_path, output_folder):
    img = cv2.imread(image_path)
    if img is None:
        print(f"[ERROR] Failed to load image: {image_path}")
        return

    h, w = img.shape[:2]  # 注意：cv2.imread 返回 (height, width, channels)

    try:
        with open(annotation_path, 'r') as f:
            for line_num, line in enumerate(f, 1):
                line = line.strip()
                if not line:
                    continue
                values = line.split()

                # 支持单目标（4值）或带类别（5值）的YOLO格式
                if len(values) == 5:
                    _, x_c_norm, y_c_norm, w_norm, h_norm = map(float, values)
                elif len(values) == 4:
                    x_c_norm, y_c_norm, w_norm, h_norm = map(float, values)
                else:
                    print(f"[WARN] Invalid line {line_num} in {annotation_path}: {line}")
                    continue

                # ✅ 关键修正：浮点精度下计算像素坐标（避免int中间截断）
                x_center = x_c_norm * w
                y_center = y_c_norm * h
                box_w = w_norm * w
                box_h = h_norm * h

                x1 = max(0, int(x_center - box_w / 2))
                y1 = max(0, int(y_center - box_h / 2))
                x2 = min(w, int(x_center + box_w / 2))
                y2 = min(h, int(y_center + box_h / 2))

                if x1 >= x2 or y1 >= y2:
                    print(f"[WARN] Invalid bbox at line {line_num} in {annotation_path}: ({x1},{y1})→({x2},{y2})")
                    continue

                cropped = img[y1:y2, x1:x2]
                base_name = os.path.splitext(os.path.basename(image_path))[0]
                out_name = f"{base_name}_crop_{line_num}.jpg"
                out_path = os.path.join(output_folder, out_name)
                cv2.imwrite(out_path, cropped)
                print(f"[OK] Cropped → {out_path} | bbox: ({x1},{y1}), ({x2},{y2})")

    except Exception as e:
        print(f"[ERROR] Failed to process annotation {annotation_path}: {e}")

# --- 批量处理主流程 ---
input_folder = r"C:\Users\Desktop\crop"
output_folder = r"C:\Users\Desktop\crop\new"
os.makedirs(output_folder, exist_ok=True)

for fname in os.listdir(input_folder):
    if fname.lower().endswith(('.jpg', '.jpeg', '.png')):
        img_path = os.path.join(input_folder, fname)
        txt_path = os.path.join(input_folder, os.path.splitext(fname)[0] + ".txt")
        if os.path.exists(txt_path):
            crop_image_with_annotation(img_path, txt_path, output_folder)
        else:
            print(f"[SKIP] Missing annotation for {fname}")

? 关键改进说明：