YOLOv5训练流程自动化：Azure坐标转换与PDF转图坐标匹配问题

1. Azure Parser坐标转YOLOv5格式的方法 #

YOLOv5的标注格式为class_id x_center y_center width height，所有数值是相对于图像宽高的归一化值（0-1范围内），而Azure Parser返回的ROI坐标是基于PDF页面的绝对坐标（通常为用户单位，1单位=1/72英寸，原点在页面左上角，y轴向下），转换步骤如下：

• 第一步：获取基础数据
  从Azure Parser拿到ROI的bounding box数据（格式为[x, y, width, height]，x/y是左上角坐标，width/height是ROI的宽高），同时获取对应PDF页面的原生尺寸（pdf_page_width、pdf_page_height，单位为用户单位），以及PDF转图像后的实际图像尺寸（img_width、img_height，单位为像素）。

• 第二步：将Azure坐标转换为图像像素坐标
  由于PDF转图像是按dpi缩放的，需先把Azure的用户单位坐标转成图像像素坐标：

  # 计算比例系数
  scale_x = img_width / pdf_page_width
  scale_y = img_height / pdf_page_height
  
  # 转换为像素坐标
  x_px = x * scale_x
  y_px = y * scale_y
  w_px = width * scale_x
  h_px = height * scale_y
  

• 第三步：转换为YOLO归一化格式
  基于图像尺寸计算归一化值：

  # 计算中心坐标的归一化值
  x_center = (x_px + w_px / 2) / img_width
  y_center = (y_px + h_px / 2) / img_height
  
  # 计算宽高的归一化值
  yolo_width = w_px / img_width
  yolo_height = h_px / img_height
  

• 第四步：生成标注行
  将上述数值按class_id x_center y_center yolo_width yolo_height格式写入.txt文件，保留6位左右小数即可。

2. 保证PDF转图像后坐标一致的方法 #

核心是让图像与PDF页面保持严格的比例映射，避免缩放或偏移，推荐两种可靠的实现方式：

方式一：用PyMuPDF（fitz）直接转换 #

PyMuPDF可以精确控制转换的dpi，生成的图像尺寸与PDF页面严格对应，坐标无偏差：

import fitz

# 打开PDF文件
doc = fitz.open("your_input.pdf")
# 选择目标页面（示例为第一页）
page = doc[0]

# 设置转换dpi（常用300，可根据需求调整）
dpi = 300
# 创建转换矩阵，1用户单位=1/72英寸，所以dpi/72是缩放系数
mat = fitz.Matrix(dpi/72, dpi/72)

# 转换为图像
pix = page.get_pixmap(matrix=mat)
# 保存图像
pix.save("page_0.png")

# 获取图像尺寸（用于后续坐标转换）
img_width = pix.width
img_height = pix.height

doc.close()

方式二：用pdf2image配合PDF尺寸校准 #

如果坚持用pdf2image，需先获取PDF页面尺寸，再指定dpi转换，禁止使用自定义size参数：

from pdf2image import convert_from_path
import fitz

# 先获取PDF页面原生尺寸
doc = fitz.open("your_input.pdf")
page = doc[0]
pdf_page_width = page.rect.width
pdf_page_height = page.rect.height
doc.close()

# 指定dpi转换图像
dpi = 300
images = convert_from_path("your_input.pdf", dpi=dpi)
img = images[0]
img_width, img_height = img.size

此时图像尺寸会严格等于pdf_page_width*(dpi/72)和pdf_page_height*(dpi/72)，保证坐标比例完全匹配。

注意：如果PDF页面存在旋转，需通过page.rotation获取旋转角度，转换图像时同步旋转（PyMuPDF会自动处理旋转，pdf2image需添加rotation参数），否则坐标会错位。

内容的提问来源于stack exchange，提问作者ritik dubey