如何转换Azure Document Intelligence坐标并绘制区域边界框？

核心逻辑 #

Azure返回的坐标单位是英寸，以页面左上角为原点；而CV2使用像素坐标，同样以图像左上角为原点。只需通过页面英寸尺寸和图像像素尺寸计算缩放比例，就能把英寸坐标转成CV2可用的像素坐标。

具体步骤 #

1. 获取页面尺寸（英寸）：从Azure Document Intelligence的分析结果中，提取对应页面的width和height字段（这两个值就是页面的宽高，单位为英寸）。
2. 获取图像像素尺寸：用CV2加载图像后，通过img.shape[:2]得到图像的像素高度和宽度（注意顺序是(高度, 宽度)）。
3. 计算缩放因子：
   • X轴缩放因子 = 图像像素宽度 / 页面英寸宽度
   • Y轴缩放因子 = 图像像素高度 / 页面英寸高度
4. 转换多边形坐标：将原始英寸坐标的每个(x,y)点分别乘以对应缩放因子，转成整数像素值，再整理成CV2要求的格式。

代码示例 #

import cv2
import numpy as np

# 1. 加载图像
img = cv2.imread("your_document_image.jpg")
img_height_px, img_width_px = img.shape[:2]

# 2. 从Azure分析结果中获取页面英寸尺寸（示例为A4纸尺寸，实际请用返回值）
page_width_in = 8.5
page_height_in = 11

# 3. 计算缩放因子
scale_x = img_width_px / page_width_in
scale_y = img_height_px / page_height_in

# 4. 原始Azure多边形坐标（英寸）
azure_polygon = [2.5735, 4.6218, 2.6712, 4.6218, 2.6712, 4.7218, 2.5735, 4.7218]
# 拆分为(x,y)坐标对
points_in = [(azure_polygon[i], azure_polygon[i+1]) for i in range(0, len(azure_polygon), 2)]
# 转换为像素坐标
points_px = [(int(x * scale_x), int(y * scale_y)) for x, y in points_in]
# 转为CV2需要的数组格式
cv2_polygon = np.array(points_px, np.int32).reshape((-1, 1, 2))

# 5. 绘制多边形并展示
cv2.polylines(img, [cv2_polygon], isClosed=True, color=(0, 255, 0), thickness=2)
cv2.imshow("Annotated Document", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 确保用于CV2的图像和Azure分析的是同一份原始文档，避免因裁剪、缩放导致比例错误。
• 不要手动估算页面尺寸，优先用Azure返回的pages[0].width和pages[0].height，保证精度。
• Azure和CV2的坐标原点均为左上角，无需翻转Y轴。

内容的提问来源于stack exchange，提问作者Droid-Bird