TensorFlow中如何调整不同尺寸输入图像的目标检测边界框？

针对你的目标检测任务中图像缩放后边界框同步调整的问题，我来分两种情况给你说明：

一、TensorFlow是否有现成的边界框缩放函数？ #

在TensorFlow 2.x中，并没有专门的、一步到位的原生函数直接处理绝对像素坐标的边界框缩放，但在兼容TF1.x的模块里有一个tf.compat.v1.image.resize_bounding_boxes可以用——不过它有个前提：输入的边界框坐标必须是归一化到[0,1]区间的，而且坐标顺序是[ymin, xmin, ymax, xmax]，和我们常用的[xmin, ymin, xmax, ymax]不一样，用的时候要特别注意顺序转换。

举个使用示例：

import tensorflow as tf

# 假设你的原始边界框是绝对像素值，形状为(num_boxes, 4)，顺序是[xmin, ymin, xmax, ymax]
original_boxes = tf.constant([[50, 50, 200, 200], [300, 300, 500, 500]], dtype=tf.float32)
original_size = tf.constant([650, 650], dtype=tf.float32)
target_size = tf.constant([1280, 1280], dtype=tf.float32)

# 1. 先把边界框转为归一化的TF要求格式[ymin, xmin, ymax, xmax]
normalized_boxes_tf = tf.stack([
    original_boxes[:,1]/original_size[1],
    original_boxes[:,0]/original_size[0],
    original_boxes[:,3]/original_size[1],
    original_boxes[:,2]/original_size[0]
], axis=-1)

# 2. 使用resize_bounding_boxes缩放
new_normalized_boxes = tf.compat.v1.image.resize_bounding_boxes(
    normalized_boxes_tf,
    original_size=[650, 650],
    target_size=[1280, 1280]
)

# 3. 转换回我们常用的[xmin, ymin, xmax, ymax]绝对像素格式
new_boxes = tf.stack([
    new_normalized_boxes[:,1]*target_size[0],
    new_normalized_boxes[:,0]*target_size[1],
    new_normalized_boxes[:,3]*target_size[0],
    new_normalized_boxes[:,2]*target_size[1]
], axis=-1)

# 如果需要整数坐标，再转类型
new_boxes_int = tf.cast(new_boxes, tf.int32)

二、手动乘以缩放因子的方式可行吗？ #

当然可行！而且这种方式更直观、不容易出错，完全适合你的场景——因为你的原始图像和目标图像都是正方形，宽高缩放因子相同（如果是非正方形，分开计算宽高缩放因子就行）。

步骤非常简单：

1. 计算宽、高方向的缩放因子：scale_w = target_width / original_width，scale_h = target_height / original_height
2. 把边界框的每个坐标分别乘以对应方向的缩放因子

直接上代码示例：

import tensorflow as tf

original_boxes = tf.constant([[50, 50, 200, 200], [300, 300, 500, 500]], dtype=tf.float32)
original_size = (650, 650)
target_size = (1280, 1280)

# 计算缩放因子
scale_w = target_size[0] / original_size[0]
scale_h = target_size[1] / original_size[1]

# 拆分坐标并分别缩放
xmin, ymin, xmax, ymax = tf.split(original_boxes, 4, axis=-1)
new_xmin = xmin * scale_w
new_ymin = ymin * scale_h
new_xmax = xmax * scale_w
new_ymax = ymax * scale_h

# 合并为新的边界框张量
new_boxes = tf.concat([new_xmin, new_ymin, new_xmax, new_ymax], axis=-1)
new_boxes_int = tf.cast(new_boxes, tf.int32)

总结 #

• 如果想用现成函数，可以用tf.compat.v1.image.resize_bounding_boxes，但一定要注意坐标顺序和归一化的要求；
• 更推荐手动计算缩放因子的方式，代码简洁、逻辑清晰，不容易踩坑，完全能满足你的需求。

内容的提问来源于stack exchange，提问作者krishnab