Python与MATLAB中regionprops返回BoundingBox差异及对齐方案咨询

• MATLAB regionprops 返回的BoundingBox格式为 [x_min, y_min, width, height]：
  • 坐标以1为起始原点，定位在像素的中心位置，所以边界起始值带0.5的偏移量
  • x对应图像水平方向（列坐标），y对应图像垂直方向（行坐标）
  • 后两位是 bounding box 的宽度（水平方向像素数）、高度（垂直方向像素数）
• Python scikit-image regionprops 返回的bbox格式为 [y_min, x_min, y_max, x_max]：
  • 坐标以0为起始原点，定位在像素的左上角，无小数偏移
  • 结果为左闭右开区间，后两位是边界的最大索引值（不是宽高）
  • 维度顺序和MATLAB相反，垂直方向（行坐标）在前，水平方向（列坐标）在后

你给出的输出完全符合上述规则：
以第一组结果为例，MATLAB输出[194.5000, 156.5000, 378.0000, 154.0000]：

• y_min = floor(156.5) = 156
• x_min = floor(194.5) = 194
• y_max = 156.5 + 154 = 310
• x_max = 194.5 + 378 = 572
  和Python输出的第一组[156, 194, 310, 572]完全一致，第二组结果同理可验证匹配。

在原有代码基础上增加格式转换即可，向量化写法如下：

props = regionprops(bw,'BoundingBox');
v = cat(1, props.BoundingBox);
% 转换为Python scikit-image格式的bbox
v_python = [floor(v(:,2)), floor(v(:,1)), floor(v(:,2)+v(:,4)), floor(v(:,1)+v(:,3))];

运行后v_python就和Python输出结果完全一致。
注意：如果连通域顺序不匹配，需要先确认两个平台的label函数排序规则是否对齐，你的示例中顺序一致无需额外调整。

内容的提问来源于stack exchange，提问作者Zyder