如何在Python中将Azure Custom Vision标注格式转换为YOLO v8格式

问题核心 #

通过Azure Custom Vision API获取车牌检测结果时，返回的边界框采用相对坐标格式{left, top, width, height}，而OpenCV裁剪、YOLO v8使用的是绝对坐标格式(x1, y1, x2, y2)（x1/y1为左上角坐标，x2/y2为右下角坐标）。原代码因裁剪时坐标顺序错误，导致提取的车牌区域异常。

格式转换公式 #

先将Azure返回的相对坐标转换为图像的绝对坐标：

• x1 = left * image_width（左上角x坐标）
• y1 = top * image_height（左上角y坐标）
• x2 = x1 + width * image_width（右下角x坐标）
• y2 = y1 + height * image_height（右下角y坐标）

OpenCV图像裁剪的正确语法为：图像[y1:y2, x1:x2]，需注意先指定y轴范围，后指定x轴范围。

修正后的完整代码 #

import requests
import json
import cv2

# 调用Azure Custom Vision API获取检测结果
url = "你的Custom Vision模型预测URL"
headers = {'content-type': 'application/octet-stream'}  # 适配二进制图像上传的请求头
with open("你的图像路径.jpg", "rb") as image_file:
    r = requests.post(url, data=image_file, headers=headers)

# 解析API返回的JSON结果
pred = json.loads(r.content)
image_path = "你的图像路径.jpg"
image = cv2.imread(image_path)
image_height, image_width, _ = image.shape

# 遍历检测结果，转换格式并处理
for prediction in pred["predictions"]:
    # 过滤低置信度的检测结果
    if prediction["probability"] > 0.5:
        bbox = prediction['boundingBox']
        # 转换为图像绝对坐标
        x1 = int(bbox['left'] * image_width)
        y1 = int(bbox['top'] * image_height)
        x2 = int(x1 + bbox['width'] * image_width)
        y2 = int(y1 + bbox['height'] * image_height)
        
        # 在原图上绘制边界框
        cv2.rectangle(image, (x1, y1), (x2, y2), (0, 0, 255), 5)
        # 正确裁剪车牌区域
        license_plate_crop = image[y1:y2, x1:x2, :]
        
        # 显示裁剪后的车牌
        cv2.imshow('裁剪的车牌', license_plate_crop)
        cv2.waitKey(0)

# 显示带边界框的原图
cv2.imshow('检测结果', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键修正点 #

• 修复裁剪坐标顺序：原代码错误使用image[int(left):int(top), ...]，改为符合OpenCV规则的image[y1:y2, x1:x2]
• 统一变量存储转换后的坐标，避免重复计算
• 增加窗口资源释放逻辑，防止程序结束后窗口残留

额外说明 #

• Azure Custom Vision返回的left/top/width/height均为相对于图像宽高的比例值（范围0~1），必须乘以图像实际宽高才能得到绝对坐标
• 转换后的x1,y1,x2,y2格式可直接用于YOLO v8的训练数据标注

内容的提问来源于stack exchange，提问作者Shahad