如何从Grounding DINO的predict函数中获取正确的绝对边界框坐标？

看起来你遇到的问题是对Grounding DINO返回的边界框格式理解有误！我之前也踩过这个坑，它返回的并不是我们常用的[x1, y1, x2, y2]（左上角+右下角）格式，而是归一化的[x_center, y_center, width, height]（中心坐标+宽高）格式，这就是你直接相乘后坐标不对的核心原因。

解决思路 #

要得到正确的绝对坐标，需要分两步转换：

1. 先把归一化的中心坐标、宽高转换成对应图像尺寸的绝对数值
2. 从绝对中心坐标和宽高推导得到左上角与右下角的坐标

修正后的代码 #

替换你原来的边界框转换代码段：

# Convert bounding boxes to absolute coordinates
abs_box = boxes * torch.tensor([wd, ht, wd, ht])
abs_box = [abs_bo.numpy().astype("int") for abs_bo in abs_box]

改为以下正确的转换逻辑：

# 处理Grounding DINO返回的归一化边界框格式：[x_center, y_center, width, height]
# 第一步：将归一化值转换为对应图像尺寸的绝对数值
box_abs = boxes * torch.tensor([wd, ht, wd, ht])
# 第二步：从中心坐标+宽高推导左上角(x1,y1)和右下角(x2,y2)
x1 = box_abs[:, 0] - box_abs[:, 2] / 2
y1 = box_abs[:, 1] - box_abs[:, 3] / 2
x2 = box_abs[:, 0] + box_abs[:, 2] / 2
y2 = box_abs[:, 1] + box_abs[:, 3] / 2
# 合并为[x1,y1,x2,y2]格式并转为整数
abs_box = torch.stack([x1, y1, x2, y2], dim=1).numpy().astype("int")

验证效果 #

修改后重新运行代码，你会发现用cv2.rectangle画出的蓝色框会和annotate函数生成的标注框完全重合，这样就得到了正确的绝对边界框坐标。

备注：内容来源于stack exchange，提问作者Leroy Jeslyn