如何将YOLOv5输出的相对坐标边界框转换为NZTM2000绝对坐标

我用YOLOv5模型对带地理坐标的影像做树木预测，得到的是相对坐标格式的边界框，现在要把这些边界框转换成和影像一致的NZGD 2000新西兰横轴墨卡托（NZTM 2000）绝对坐标系。

现有YOLOv5推理代码 #

models= torch.hub.load('ultralytics/yolov5', 'custom', 'C:/Users/yolov5-master/runs/train/exp/weights/best.pt')
im=r'C:\imagery1.PNG'
results = models(im)
results.print()  
results.show()
results.xyxy[0]  
a=results.pandas().xyxy[0]
df=pd.DataFrame(a)
print(df)

边界框转多边形代码 #

# 多边形转边界框函数
def bbox(long0, lat0, lat1, long1):
    return Polygon([[long0, lat0], #long0=xmin, lat0=ymin, lat1=ymax, long1=xmax
                    [long1,lat0],
                    [long1,lat1],
                    [long0, lat1]])

test = bbox(144.2734528,350.0042114,359.900177,152.4013672) 
test1=bbox(366.7437744,215.1108856,226.6479034,376.282196)

gpd.GeoDataFrame(pd.DataFrame(['p1','p2'], columns = ['geom']),
         geometry = [test,test1]).to_file(r'C:\delete\poly1.shp')

影像地理信息 #

• 坐标系：NZGD 2000 New Zealand Transverse Mercator（NZTM 2000）
• 影像范围：
  • 顶部（Y最大值）：5702588.730967 m
  • 底部（Y最小值）：5702581.666007 m
  • 左侧（X最小值）：1902830.371719 m
  • 右侧（X最大值）：1902837.436679 m

转换步骤与代码实现 #

核心逻辑 #

相对坐标转绝对坐标的本质是像素坐标到地理坐标的线性映射：

1. 获取影像的像素宽高
2. 对每个边界框的xmin、xmax、ymin、ymax，按以下公式计算绝对坐标：
   • 绝对X坐标 = 影像左侧X + (相对X像素值 / 影像像素宽度) * (影像右侧X - 影像左侧X)
   • 绝对Y坐标 = 影像顶部Y - (相对Y像素值 / 影像像素高度) * (影像顶部Y - 影像底部Y)
     （注：影像像素坐标系Y轴向下，地理坐标系Y轴向上，需做反向映射）

完整代码实现 #

import pandas as pd
import geopandas as gpd
from shapely.geometry import Polygon
from PIL import Image
import torch

# 1. 加载YOLOv5结果与影像信息
models= torch.hub.load('ultralytics/yolov5', 'custom', 'C:/Users/yolov5-master/runs/train/exp/weights/best.pt')
im_path = r'C:\imagery1.PNG'
results = models(im_path)
df = results.pandas().xyxy[0]

# 获取影像像素宽高
img = Image.open(im_path)
img_width, img_height = img.size

# 影像地理范围（NZTM2000坐标系）
img_left = 1902830.371719    # 左侧X
img_right = 1902837.436679   # 右侧X
img_top = 5702588.730967     # 顶部Y
img_bottom = 5702581.666007  # 底部Y

# 2. 定义坐标转换函数
def pixel_to_nztm(x_pixel, y_pixel):
    x_nztm = img_left + (x_pixel / img_width) * (img_right - img_left)
    y_nztm = img_top - (y_pixel / img_height) * (img_top - img_bottom)
    return x_nztm, y_nztm

# 3. 批量转换边界框并生成GeoDataFrame
geometries = []
for idx, row in df.iterrows():
    xmin_pix, ymin_pix, xmax_pix, ymax_pix = row['xmin'], row['ymin'], row['xmax'], row['ymax']
    xmin, ymin = pixel_to_nztm(xmin_pix, ymin_pix)
    xmax, ymax = pixel_to_nztm(xmax_pix, ymax_pix)
    poly = Polygon([[xmin, ymin], [xmax, ymin], [xmax, ymax], [xmin, ymax]])
    geometries.append(poly)

# 创建GeoDataFrame并保存为SHP文件（NZTM2000对应EPSG:2193）
gdf = gpd.GeoDataFrame(df, geometry=geometries, crs="EPSG:2193")
gdf.to_file(r'C:\delete\tree_bboxes_nztm.shp')

关键说明 #

• NZTM2000对应的EPSG编码是2193，保存SHP时必须指定正确CRS，否则坐标无效
• 确保影像未经过缩放、裁剪等变换，否则需额外校正参数
• 如果YOLO输出的是归一化坐标（0-1），先通过x_pixel = x_norm * img_width、y_pixel = y_norm * img_height转换为像素坐标，再执行上述流程

内容的提问来源于stack exchange，提问作者user30985