如何将Google Cloud Vision API多边形顶点转换为RectF的left/top/right/bottom参数

核心原理 #

Google Cloud Vision API返回的normalizedVertices是取值范围在[0,1]的归一化坐标，数值对应占原始图像宽/高的比例。要获取可用于RectF的外接矩形参数，本质是计算所有顶点的最小轴对齐外接矩形，同时要先处理API返回中可能存在的坐标缺省情况：若顶点缺失x字段则默认取0，缺失y字段默认取0。

具体计算步骤 #

• 遍历当前检测对象的normalizedVertices数组的所有顶点
• 初始化四个极值变量：minX = 1.0f、maxX = 0.0f、minY = 1.0f、maxY = 0.0f
• 逐个处理顶点：先补全缺省值 currentX = 顶点.x ?: 0f，currentY = 顶点.y ?: 0f
• 对比更新极值：minX = min(minX, currentX)、maxX = max(maxX, currentX)、minY = min(minY, currentY)、maxY = max(maxY, currentY)
• 遍历完成后得到的四个归一化参数对应矩形的左、上、右、下边界

适配实际绘制尺寸 #

如果用于绘制的视图（比如ImageView）实际宽度为viewWidth、实际高度为viewHeight，将归一化参数换算为实际像素坐标即可直接生成RectF，示例代码（Kotlin Android）如下：

// 假设已经完成顶点遍历得到minX、maxX、minY、maxY
val left = minX * viewWidth
val top = minY * viewHeight
val right = maxX * viewWidth
val bottom = maxY * viewHeight
val targetRect = RectF(left, top, right, bottom)

验证说明 #

你提供的响应示例中，笔记本电脑的四个顶点x范围为0.1658_{0.5109，y范围为0.5996}0.9928，按上述算法计算得到的矩形完全匹配检测到的物体边界。该算法为通用最小外接矩形计算逻辑，哪怕后续API返回任意多边形顶点，也能正确输出外围矩形参数。

内容的提问来源于stack exchange，提问作者Ali