YOLOv8自定义目标检测项目中目标裁剪失败问题求助

问题诊断 #

1. 图像通道格式不匹配
   cv2.imread()读取的图像为BGR通道顺序，但YOLOv8模型默认期望输入是RGB格式，通道顺序错误会导致模型无法正确识别目标。
2. 检测框判断逻辑错误
   results[0].boxes不会返回None，即使无检测结果，它也是一个空的Boxes实例，原代码的判断条件永远不会触发检测分支。

修复代码（推荐方案） #

from ultralytics import YOLO
import cv2
import os

model = YOLO('/path/to/best.pt') 
source = '/path/to/image.jpg'
img = cv2.imread(source)

# 将BGR格式转换为YOLOv8期望的RGB格式
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
results = model.predict(img_rgb)

# 通过检测框数量判断是否有目标
if len(results[0].boxes) > 0:
    save_dir = 'cropped_images'
    os.makedirs(save_dir, exist_ok=True)
    
    for i, box in enumerate(results[0].boxes.xyxy):
        # 提取检测框坐标并转为整数
        x1, y1, x2, y2 = map(int, box[:4])
        # 用原始BGR图像裁剪，保证保存格式正确
        crop_img = img[y1:y2, x1:x2]
        
        cv2.imwrite(os.path.join(save_dir, f'crop_{i}.jpg'), crop_img)
        print(f'crop_{i}.jpg saved successfully!')
else:
    print("No objects detected.")

替代简洁方案（避免手动格式转换） #

直接传入图像路径进行预测，从结果中提取原始图像和检测框，无需手动处理通道：

from ultralytics import YOLO
import cv2
import os

model = YOLO('/path/to/best.pt') 
source = '/path/to/image.jpg'

# 直接传路径预测，关闭显示和自动保存
results = model.predict(source, save=False, show=False)

if len(results[0].boxes) > 0:
    save_dir = 'cropped_images'
    os.makedirs(save_dir, exist_ok=True)
    # 将结果中的RGB图像转回BGR用于cv2保存
    img = cv2.cvtColor(results[0].orig_img, cv2.COLOR_RGB2BGR)
    
    for i, box in enumerate(results[0].boxes.xyxy):
        x1, y1, x2, y2 = map(int, box[:4])
        crop_img = img[y1:y2, x1:x2]
        
        cv2.imwrite(os.path.join(save_dir, f'crop_{i}.jpg'), crop_img)
        print(f'crop_{i}.jpg saved successfully!')
else:
    print("No objects detected.")

关键注意事项 #

• 通道顺序：YOLOv8训练/推理默认使用RGB，cv2读取的是BGR，必须转换后才能正确检测。
• 检测框判断：永远用len(results[0].boxes) > 0来判断是否有检测结果，而非检查boxes是否为None。
• 图像保存：cv2.imwrite要求输入BGR格式图像，裁剪时注意对应格式，避免保存后图像颜色失真。

内容的提问来源于stack exchange，提问作者nipuni cabral