如何修正图像边缘边界框无法扩展为正方形的问题

问题描述 #

现有一个将图像边界框扩展为正方形的函数，在处理图像内部边界框时正常，但处理边缘边界框时失效（例如边界框[979, 157, 1080, 261]、图像尺寸(1080, 1920, 3)的场景），原函数代码如下：

def expand_bbox(bbox, img_shape):

    h, w = bbox[2] - bbox[0], bbox[3] - bbox[1]
    if h < w:
        d = w - h
        u = min(bbox[0], d // 2) 
        v = d - u
        bbox[0] -= u
        bbox[2] += v
    else:
        d = h - w
        u = min(bbox[1], d // 2)
        v = d - u
        bbox[1] -= u
        bbox[3] += v

    bbox[0] = max(bbox[0], 0)
    bbox[1] = max(bbox[1], 0)
    bbox[2] = min(bbox[2], img_shape[0]) 
    bbox[3] = min(bbox[3], img_shape[1])
    h, w = bbox[2] - bbox[0], bbox[3] - bbox[1]
    assert h == w
    inc = h // 2
    inc = min(inc, bbox[0])
    inc = min(inc, bbox[1])
    inc = min(inc, img_shape[0] - bbox[2])
    inc = min(inc, img_shape[1] - bbox[3])
    bbox[0] -= inc
    bbox[1] -= inc
    bbox[2] += inc
    bbox[3] += inc
    h, w = bbox[2] - bbox[0], bbox[3] - bbox[1]
    assert h == w
    return bbox

问题分析 #

原函数的核心缺陷：

1. 第一步扩展时，受图像边缘限制，实际调整后的边界框宽高可能不相等，直接触发assert h == w报错，无法继续执行。
2. 后续基于当前正方形扩展的逻辑冗余，未以「生成最大可能的正方形且完全包含在图像内」为核心目标，边缘场景下无法正确计算。

修正方案 #

采用中心对齐优先的逻辑，先计算边界框中心，再基于中心生成理想正方形，最后调整至图像边界内，确保所有场景下都能生成合法的正方形边界框：

def expand_bbox(bbox, img_shape):
    # 解析输入：bbox格式为[y1, x1, y2, x2]，img_shape为(height, width, channels)
    y1, x1, y2, x2 = bbox
    img_h, img_w = img_shape[0], img_shape[1]
    
    # 计算当前边界框的中心坐标与宽高
    center_y = (y1 + y2) / 2
    center_x = (x1 + x2) / 2
    current_h = y2 - y1
    current_w = x2 - x1
    
    # 目标正方形边长：取当前宽高的最大值，保证覆盖原边界框
    target_side = max(current_h, current_w)
    half_side = target_side / 2
    
    # 计算基于中心的理想正方形边界
    new_y1 = center_y - half_side
    new_x1 = center_x - half_side
    new_y2 = center_y + half_side
    new_x2 = center_x + half_side
    
    # 调整垂直方向到图像范围内
    if new_y1 < 0:
        new_y2 -= new_y1
        new_y1 = 0
    elif new_y2 > img_h:
        new_y1 -= (new_y2 - img_h)
        new_y2 = img_h
    
    # 调整水平方向到图像范围内
    if new_x1 < 0:
        new_x2 -= new_x1
        new_x1 = 0
    elif new_x2 > img_w:
        new_x1 -= (new_x2 - img_w)
        new_x2 = img_w
    
    # 处理浮点取整误差，确保边界在图像内
    new_y1 = max(0, int(round(new_y1)))
    new_x1 = max(0, int(round(new_x1)))
    new_y2 = min(img_h, int(round(new_y2)))
    new_x2 = min(img_w, int(round(new_x2)))
    
    # 最终校准，保证严格为正方形
    final_h = new_y2 - new_y1
    final_w = new_x2 - new_x1
    if final_h != final_w:
        min_side = min(final_h, final_w)
        adjust_y = (final_h - min_side) // 2
        adjust_x = (final_w - min_side) // 2
        new_y1 += adjust_y
        new_y2 -= adjust_y
        new_x1 += adjust_x
        new_x2 -= adjust_x
    
    return [new_y1, new_x1, new_y2, new_x2]

方案说明 #

• 以中心对齐为核心，保证扩展后的正方形尽可能保留原目标的位置信息
• 先计算理想边界再逐步适配图像边缘，避免原代码中因边缘限制导致的宽高不一致问题
• 增加浮点取整误差处理，确保最终输出严格为正方形
• 移除原代码中的断言，改为主动处理所有边界场景，避免运行时错误

测试验证 #

针对问题中的测试用例：

• 输入边界框[979, 157, 1080, 261]，图像尺寸(1080, 1920, 3)
• 原边界框高101，宽104，目标边长104
• 修正后的输出为[976, 157, 1080, 261]，宽高均为104，符合正方形要求且完全在图像内

内容的提问来源于stack exchange，提问作者monopoly